|本期目录/Table of Contents|

[1]符水波,李 刚.基于深度学习的校园欺凌行为检测研究[J].宁波大学学报(理工版),2020,33(3):57-62.
 FU Shuibo,LI Gang.School bullying events detection based on deep learning[J].Journal of Ningbo University(Natural Science & Engineering Edition),2020,33(3):57-62.
点击复制

基于深度学习的校园欺凌行为检测研究(PDF)
分享到:

《宁波大学学报》(理工版)[ISSN:1001-5132/CN:33-1134/N]

卷:
第33卷
期数:
2020年3期
页码:
57-62
栏目:
出版日期:
2020-05-10

文章信息/Info

Title:
School bullying events detection based on deep learning
作者:
符水波1 李 刚2
1.宁波市镇海蛟川书院, 浙江 宁波 315200; 2.宁波大学 信息科学与工程学院, 浙江 宁波 315211
Author(s):
FU Shuibo1 LI Gang2
1.Zhenhai Jiaochuan Academy of Ningbo, Ningbo 315200, China;2.Faculty of Electrical Engineering and Computer Science, Ningbo University, Ningbo 315211, China
关键词:
运动检测 动作识别 深度学习
Keywords:
motion detection behavior identification deep learning
分类号:
TP391.4
DOI:
-
文献标志码:
A
摘要:
为通过校园监控网络实时发现校园欺凌事件, 提出采用人体姿态检测模型与递归神经网络相结合的方法来分析视频中的每一对个体行为, 并通过一个完全连接的网络来识别一系列视频帧的行为, 进而判断是否存在校园暴力行为. 此外, 还建立一个包含了来自校园不同地方的3000多个视频片段数据库, 并对视频中的运动行为进行标注, 以用于训练及测试. 通过对照实验发现 与传统方法相比, 本文设计算法的实时分析准确率更高.
Abstract:
The purpose of this study is to detect school bullying events in real time by monitoring network in campus. We establish a human posture model combined with a recursive neural network to detect and analyze the individual behaviors of paired students in the video, and an algorithm to identify bullying behaviors through a fully connected network. In addition, we build a database of more than 3000 video clips from different parts of a campus and annotate the motion behaviors for training and testing purposes. Experimental results show that the presented algorithm is better than several commonly applied methods in accuracy and running speed.

参考文献/References:

[1] 徐俊丽. 初中校园欺凌现状调查及对策研究[D]. 开封: 河南大学, 2019.
[2] 朱悦. 初中生法律信仰培育策略议析—–以未成年人霸凌案为例[J]. 中小学德育, 2017(9):54-56.
[3] 高鹏辉, 赵武峰, 沈继忠. 结合背景差分与光流法的人群状态突变检测[J]. 浙江大学学报(工学版), 2018, 52 (4):649-656.
[4] 王洪雁, 周梦星. 基于光流及轨迹的人群异常行为检测[J/OL]. [2020-03-23]. https://doi.org/10.13229/j.cnki. jdxbgxb20190665.
[5] 胡瑞卿, 田杰荣. 基于光流法的运动目标检测算法研究[J]. 电子世界, 2019(5):58-61.
[6] 邓立, 沈继忠, 高鹏辉. 结合光流法与信息熵的人群突发事件检测与判断[J]. 浙江大学学报(理学版), 2019, 46(1):39-47.
[7] 杨明健, 黎镜林, 郭锐坤, 等. 基于OpenPose的人体睡姿识别实现与研究[J]. 物理实验, 2019, 39(8):45-49.
[8] 王琛玮. 基于Android平台的心糖系统设计与实现[D]. 兰州: 兰州大学, 2017.

备注/Memo

备注/Memo:
收稿日期:2020-01-10.宁波大学学报(理工版)网址:http://journallg.nbu.edu.cn/
第一作者:符水波(1975-),男,浙江宁波人,硕士/高级教师,主要研究方向:人工智能和机器学习.E-mail:1014fsb@163.com
更新日期/Last Update: 2020-05-06