摘要
一种基于改进SSD的人群异常行为检测方法,对预处理的人群异常行为数据集进行训练并评估SSD网络模型,针对SSD网络模型存在的参数量多导致模型实时性差、无法检测存在部分遮挡的异常行为从而导致检测精度低的问题进行改进,将轻量网络MobileNetv2作为SSD模型的特征提取网络,并嵌入了可变形卷积模块构建卷积层来增强感受野;在此基础上对输出的特征图经过坐标注意力机制进行特征增强,通过学习上下文关系,能够捕获空间位置之间的远程依赖关系,根据未遮挡部分来预测遮挡部分以此来有效改善遮挡问题;本发明针对的异常行为数据集均是自然状态下发生的,可准确地检测人群异常行为的类别及位置,同时模型对数据集场景中存在的部分遮挡情况的检测有所改善,具有良好的应用前景。