为了对心理健康自动检测仪目标的反常现象进行检测,研究设计了包含目标检测、目标跟踪和反常行为识别的综合模型。研究设计了基于You Only Look Once 5小型的目标检测模型,并引入卷积注意力模块来进行改进。也设计了基于深度简单在线实...为了对心理健康自动检测仪目标的反常现象进行检测,研究设计了包含目标检测、目标跟踪和反常行为识别的综合模型。研究设计了基于You Only Look Once 5小型的目标检测模型,并引入卷积注意力模块来进行改进。也设计了基于深度简单在线实时跟踪技术的跟踪模型,并引入了Ghost模块来进行改进。研究构建了基于SlowFast结构和特征金字塔的反常行为识别模型。结果显示,检测模型的准确率最大值为98.57%,跟踪模型的曲线下面积为0.987。反常行为识别模型在正常、抹眼泪、打脸和一个地方来回走动的动作上的准确率最大值分别为95.57%、96.17%、96.58%和97.06%。所设计的综合模型具有良好的性能,能够为心理健康自动检测仪目标的反常现象检测提供目标检测、跟踪和行为识别上的技术支持。展开更多
文摘为了对心理健康自动检测仪目标的反常现象进行检测,研究设计了包含目标检测、目标跟踪和反常行为识别的综合模型。研究设计了基于You Only Look Once 5小型的目标检测模型,并引入卷积注意力模块来进行改进。也设计了基于深度简单在线实时跟踪技术的跟踪模型,并引入了Ghost模块来进行改进。研究构建了基于SlowFast结构和特征金字塔的反常行为识别模型。结果显示,检测模型的准确率最大值为98.57%,跟踪模型的曲线下面积为0.987。反常行为识别模型在正常、抹眼泪、打脸和一个地方来回走动的动作上的准确率最大值分别为95.57%、96.17%、96.58%和97.06%。所设计的综合模型具有良好的性能,能够为心理健康自动检测仪目标的反常现象检测提供目标检测、跟踪和行为识别上的技术支持。
