【技术实现步骤摘要】
本专利技术涉及图形数据读取及处理，尤其涉及一种基于深度学习图像处理的河流周边人员异常行为检测方法。
技术介绍
1、随着城市化进程的加快，河流区域的安全问题日益凸显。作为公共安全的重要组成部分，河流周边的异常行为（如攀爬护栏、坠河等）不仅对人员生命构成威胁，还可能引发次生灾害或意外事件。传统的河流安全管理方式通常依赖人工巡逻和监控人员实时观察，但此类方式效率低下，受限于人力资源，且容易因疏忽造成漏报，难以满足现代化安全管理的需求。随着深度学习技术在计算机视觉领域的突破，基于深度学习的自动化异常行为检测方法开始成为解决这一问题的关键技术。
2、近年来，深度学习技术的快速发展，特别是在计算机视觉领域的突破，为安全监控提供了全新的技术支持。基于目标检测的深度学习模型，凭借其高效的端到端检测能力，已广泛应用于交通监控、安防系统等多个领域。其能够在复杂背景下实现高精度的目标识别和定位，为实时检测河流周边的异常行为提供了技术基础。然而，河流场景的复杂性（如光线变化、遮挡频繁、水面反光等）对检测模型的鲁棒性提出了更高要求，仅依赖单帧目标检测...
【技术保护点】
1.基于深度学习图像处理的河流周边人员异常行为检测方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习图像处理的河流周边人员异常行为检测方法，其特征在于，获取第二信息包括：
3.根据权利要求1所述的基于深度学习图像处理的河流周边人员异常行为检测方法，其特征在于，所述预处理步骤包括：
4.根据权利要求1所述的基于深度学习图像处理的河流周边人员异常行为检测方法，其特征在于，将所述预处理数据输入至预设的目标检测模型，输出周边区域的人员目标特征，并基于交并比损失函数训练所述目标检测模型，包括：
5.根据权利要求1所述的...
【技术特征摘要】
1.基于深度学习图像处理的河流周边人员异常行为检测方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习图像处理的河流周边人员异常行为检测方法，其特征在于，获取第二信息包括：
3.根据权利要求1所述的基于深度学习图像处理的河流周边人员异常行为检测方法，其特征在于，所述预处理步骤包括：
4.根据权利要求1所述的基于深度学习图像处理的河流周边人员异常行为检测方法，其特征在于，将所述预处理数据输入至预设的目标检测模型，输出周边区域的人员目标特征，并基于交并比损失函数训练所述目标检测模型，包括：
5.根据权利要求1所述的基于深度学习图像处理的河流周边人员异常行为检测方法，其特征在于，所述关键点坐标损失函数为：
6.根据权利要求1所述的基于深度学习图像处理的河流周边人员异常行为检测方法，其特征在于，将所述人...
【专利技术属性】
技术研发人员：牟舵，李远强，杜江岳，陈卓，梁兴，吴晓婷，刘杰寅，谢凯，李严林，
申请(专利权)人：水利部珠江水利委员会技术咨询广州有限公司，
类型：发明
国别省市：
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。