【技术实现步骤摘要】
本专利技术属于计算机视觉领域和信息，具体涉及一种人员行为智能监控与报警方法及系统。
技术介绍
1、在现代社会中，安全问题一直是公共场所和大型建筑物管理者关注的焦点。特别是在公共场所如企业、学校、医院和商场等，如何确保人员和财产的安全已成为亟待解决的问题。例如遇到具有危险动作以及手持危险物的人员，如果能够及时发现其行为并将其制止，则会大大降低安全事故的发生，保证人民财产安全。
2、传统的安全检测方法可能依赖于人工巡逻或基于规则的自动检测系统，这些方法往往效率低下，且容易受到人为因素的影响。随着技术的不断发展，特别是深度学习和计算机视觉技术的应用，为解决这一问题提供了新的可能性。而基于深度学习的技术，特别是卷积神经网络(cnn)和图卷积网络(gcn)等，为安全检测带来了前所未有的准确性和效率。然而，这些先进的深度学习模型在应用于实际场景时，仍然面临一些挑战，例如检测精度、识别速度和超参数优化等。
技术实现思路
1、专利技术目的：为了能够高效准确的识别公共场所人员危险行为，降低事故发...
【技术保护点】
1.一种人员行为智能监控与报警方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种人员行为智能监控与报警方法，其特征在于，所述步骤4中利用改进的YOLOv7实现手持危险物识别，改进的YOLOv7为在模型中加入自适应剪枝，步骤如下：
3.根据权利要求1所述的一种人员行为智能监控与报警方法，其特征在于，所述步骤5中建立增强注意力机制的时空图卷积模型ASTGCN，具体步骤如下：
4.根据权利要求1所述的一种人员行为智能监控与报警方法，其特征在于，所述步骤6中通过TPE算法优化ASTGCN中出现的超参数，具体步骤如下：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。