- 综合排序
- 最热优先
- 最新优先
- 来自专栏成套网站
基于深度学习的暴力行为识别系统
深度学习技术的突破为暴力行为识别提供了革新性解决方案。 在此背景下，研究基于深度学习的暴力行为识别系统，不仅有助于填补传统安防技术的短板，更对构建安全、高效的智慧城市具有战略意义。 深度学习技术通过构建端到端的模型，可自动学习暴力行为的视觉特征（如肢体动作幅度、物体交互模式），实现高精度识别。 在算法层面，YOLO系列、Faster R-CNN、SSD等目标检测算法被广泛应用于暴力行为识别。 此外，研究者们还尝试将CNN与RNN、LSTM等时序模型结合，以捕捉暴力行为的动态特征，提升识别准确率。在应用层面，暴力行为识别系统已广泛应用于校园、商场、交通枢纽等公共场所的安防监控中。
25110编辑于 2026-01-08 - 来自专栏技术汇总专栏
基于YOLOv8的打架斗殴暴力行为智能识别项目源码（目标检测）
基于YOLOv8的打架斗殴暴力行为智能识别项目源码（目标检测）本项目是一款基于 YOLOv8 的智能视频分析系统，专注于 打架、斗殴及暴力行为的自动识别，集成了易用的 PyQt5 图形界面工具，适用于图片 本项目旨在提供一套 轻量、易用、高精度 的解决方案，让研究者和开发者能够快速体验并部署打架斗殴暴力行为识别模型，同时可用于教学、科研或实际安防项目。 一、软件核心功能介绍及效果演示本系统集成了 YOLOv8 高精度检测模型 与 PyQt5 图形界面，实现了对打架、斗殴及暴力行为的智能识别。 系统特点包括：高精度识别：利用YOLOv8模型，对打架及暴力行为进行实时检测和标注。开箱即用：提供完整源码、训练流程、权重文件和数据集，即下载即可部署。 可扩展性强：可基于自定义数据集继续训练，提高模型识别能力和适用场景。该系统不仅适用于科研与教学，还可广泛应用于 公共安全、校园管理、企业监控等场景，为暴力行为预警和安全管理提供智能化技术支持。
56310编辑于 2025-09-09 - 来自专栏燧机科技-视频AI智能分析
校园霸凌行为监测AI预警系统YOLOv8/v7/v6/v5
系统会分析上传的图片，识别出图片中的暴力行为，并在界面上展示带有暴力行为标签和置信度的检测结果，让用户能够清晰地了解到每个暴力行为状态。 （3）选择视频文件检测：系统支持用户上传视频文件进行暴力行为检测。上传的视频将被系统逐帧分析，以识别和标记视频中每一帧的暴力行为。用户可以观看带有暴力行为检测标记的视频，了解视频中暴力行为的变化。 在暴力行为检测任务中，上述算法的应用表明，通过精确的目标定位和对动态场景的有效处理，可以显著提高暴力行为识别的准确性和实时性。 以下是我们需要解决的主要问题： 暴力行为检测的准确性和速度 暴力行为检测面临的主要挑战之一是如何实现对多种暴力行为场景的高准确度识别与实时处理。 鉴于暴力行为的多样性以及复杂的环境因素，系统需要能够准确地识别出细微的特征差异，并快速做出反应。此外，遮挡、快速移动等因素都增加了识别难度，对模型的实时性和准确性提出了更高的要求。
1.4K00编辑于 2024-11-30 - 来自专栏新智元
CVPR 2018：剑桥大学等研发“暴力行为”检测系统，用无人机精准识别人群暴力
新智元报道 来源：theregister.co.uk 编辑：肖琴 【新智元导读】来自英国剑桥大学、印度国家技术研究院和印度科学理工学院的研究人员研发了一种利用无人机的“暴力行为”检测系统，能够识别人群中踢打 然后，当系统识别出攻击性的行为，如拳打、脚踢、刺杀、射击、掐脖子等时，它就会发出警报，准确率达到85%。它不识别人脸——只是监测人们之间可能的暴力行为。 研究者说，这个系统可以扩展到自动识别非法越境的人，在公共场所发现绑架事件，并在发现暴力行为时发出警报。他们希望这样的自主间谍无人机可以帮助警察压制犯罪，或帮助士兵在无辜群众中找出敌人。 身体的轮廓被分解为14个关键点 模型将身体的轮廓分解为14个关键点，计算出一个人的手臂、腿和脸的位置，以识别训练过程中指定的不同类型的暴力行为。 AVI数据集中的暴力行为，包括掐脖子，拳打，脚踢，射击和刺杀 当系统需要处理的人数更少时，准确率最高。
2.4K50发布于 2018-06-22 开源AI视频监控系统在监狱安全中的应用——实时情绪与行为分析、暴力预警技术详解
人际冲突难以识别：拥挤环境下，囚犯之间的暴力行为往往难以通过传统监控识别和跟踪。 情绪波动与暴力行为识别困难：囚犯的情绪变化、心理压力等因素常常难以通过常规监控手段捕捉，导致暴力事件和冲突无法及时被预警。 通过对视频中的目标进行跟踪和动作分析，系统可以在暴力行为发生前的初期就发出警报。 例如，针对监狱环境，系统可以根据历史数据训练模型，识别特定类型的暴力行为或情绪波动。通过自定义标签和行为场景设定，系统可以针对不同的监控任务进行定制化训练，提高预警精度和准确性。 技术性能与指标 识别精度：该系统采用先进的深度学习模型，人体姿态识别的精度可达到95%以上，暴力行为与情绪变化的检测率高，能够有效降低漏报与误报的风险。
1.7K10编辑于 2024-12-27- 来自专栏大数据文摘
论文Express | AI+云+无人机=“云中监狱”：剑桥大学个体暴力行为实时监测
大数据文摘出品 编译：小鱼、halcyon 关于AI技术引起的道德话题近来颇受争议，比如利用算法识别犯罪团伙或者，利用图像识别判定同性恋。 本文介绍了一种实时无人机监控系统，用于在公共场所对个体暴力行为的识别。 本研究还介绍了用于训练深度网络的空中个体暴力行为数据库，为研究人员使用深度学习进行空中监控提供帮助。最后，本文提出的基于姿态估计的暴力个体识别性能和目前先进的技术进行了比较。 个体暴力行为检测 将SHDL网络识别的14个关键点连接起来形成一个骨架结构，如上图所示。骨架结构的四肢之间的方向如下图所示。 个体暴力行为识别 用带有高斯核的SVM对方向向量进行训练，其中方向向量是由每类的暴力行为和中性类构成，随机选择6334（60%）个人类姿态实现多类分类，SVM参数选取(c)为14，将gamma参数设置为
78140发布于 2018-06-29 - 来自专栏ATYUN订阅号
研究团队利用无人机和AI技术识别人群中的暴力行为，但涉及该领域的研究引发道德担忧
英国和印度科学家的一个新项目显示了该技术的一个可能用途：在配备相机的无人机的帮助下，识别人群中的暴力行为。 研究人员在题为“Eye in the Sky”的论文中描述了他们的系统。 剑桥大学的首席研究员Amarjot Singh和他的同事们报告说，他们的系统在识别“暴力”姿势时准确率达到了94％，但他们指出，出现在框架内的人越多，准确度就越低（当10个人在场时，精度降到了79％。） 最后一点尤其明显，因为Singh和他的同事没有提供任何有关系统误报率的数字，例如，它将非暴力行为确定为暴力行为的频率。 使用AI来识别身体姿势有很多常见问题，像Facebook这样的大型科技公司发布了有关该主题的重要研究。随着廉价无人机和快速移动互联网的兴起，捕捉和传输实时视频画面比以往更加容易。
40020发布于 2018-07-27 - 来自专栏新智元
史上第一次！委内瑞拉总统遭到无人机炸弹袭击，士兵溃不成军
视频最后还演示了一段飞行机器人集体攻击人类的画面，通过面部识别定位，轻易杀死了正在上课的一班学生。 ? 实际上，同样是基于无人机，来自英国剑桥大学、印度国家技术研究院和印度科学理工学院的研究人员，就研发了一款“暴力行为”检测系统，能够识别人群中踢打、刺伤或掐脖子等暴力动作，准确率达到85％以上。 ? 然后，当系统识别出攻击性的行为，如拳打、脚踢、刺杀、射击、掐脖子等时，它就会发出警报。它不识别人脸——只是监测人们之间可能的暴力行为。 ? AVI数据集中的暴力行为，包括掐脖子，拳打，脚踢，射击和刺杀 研究人员表示，这个系统可以扩展到自动识别非法越境的人，在公共场所发现绑架事件，并在发现暴力行为时发出警报。 身体的轮廓被分解为14个关键点 模型将身体的轮廓分解为14个关键点，计算出一个人的手臂、腿和脸的位置，以识别训练过程中指定的不同类型的暴力行为。 当系统需要处理的人数更少时，准确率最高。
76420发布于 2018-08-16 - 来自专栏数据派THU
实例 | 利用犯罪记录聚类和分类暴力行为（附步骤解析）
很高兴知道Data Science的应用超越了商业场景和企业盈利的目的。最近我有幸承担了全国安全社区网络的一项非盈利项目，使我能够亲身体验应用机器学习的方法来服务我们的社区。纽约州约翰杰伊刑事司法学院的研究部门分享了地方检察官提供的的城市数据，由于签署了不公开协议，所以我不会列举这些数据。
59740发布于 2018-07-30 - 来自专栏科技云报道
对网络暴力Say NO！AI算法如何辨“好坏”？
社交平台、短视频平台等公共网络场所，已经成为网络暴力行为的高发地。 由于网络暴力往往处于灰色地带，大部分暴力行为都尚未构成诽谤和侮辱，因此很难对网络暴力实施者处以刑罚或者行政处罚。 网民的言论只要不超越法律底线，有权自由发表言论。 为了应对网络暴力行为，全球大多数的社交平台都采用了言论投诉、评论过滤、评论/私信关闭、好友关注过滤等功能，在一定程度上缓解网络霸凌的问题。 那么，能否采用技术的手段从源头就识别网络暴力行为呢？ 在算法方面，通过400多个前沿的深度学习模型识别过亿内容，现在的知乎平台，可以智能地进行倾向性识别、爆照识别、风险图片识别等等。
1.3K30编辑于 2022-04-16 - 来自专栏TSINGSEE青犀视频
智慧城市/一网统管建设：人员危险行为检测算法，为城市安全保驾护航
AI人员行为算法，实时检测 TSINGSEE青犀智能分析网关内置人员行为检测算法，可识别人员聚集、人员打架、摔倒、持械等算法，通过智能行为分析检测，精准识别人员的危险或暴力行为。 智能告警，快速响应 系统根据算法识别结果，可以自动触发警报，向现场安保人员发送紧急通知，并将警报信息推送到相关人员的手机或电脑上，以便他们能够及时采取行动。
47810编辑于 2023-12-15 - 来自专栏量子位
别打了别打了，天上无人机看着呢 | AI分析暴力姿势
这项研究里，无人机并不是要轰炸恐怖分子，而是用于实时监测公共场所可能出现的暴力行为。 ? 团队选择的无人机是Parrot AR，并不是太厉害的装备。 你们人多，AI怕了 当视频里只有一个人姿势暴力，AI识别暴力行为的准确率高达94%，令人鼓舞。 然而，随着画面中暴力人数的增加，准确率开始节节败退。 ?
43120发布于 2018-07-24 - 来自专栏白鸽小屋
typecho接入百度AI文本审核过滤垃圾评论
判断一段文本内容是否符合网络发文规范，实现自动化、逼真的文本审核，致命的驾乘内容审核的人力成本，为您的产品保驾护航 能力介绍 文本教育：对文本中的教育行为描述、教育资源链接、低俗交友、污秽文爱等内容进行识别 暴恐违禁：对暴力行为、智力内容、特征、识别特征等违禁进行 政治敏感：对文本中的敏感事件、涉政人物、散布谣言、反动宣传等进行内容识别 恶意推广：文本对带有售卖广告的软文广告，微信、QQ等个人联系方式等低劣内容及变体识别 低俗辱骂：对文本中的侮辱谩骂、人身攻击、口头宣泄等内容进行识别 低质灌水：对网络社区常见的乱码、水帖、刷屏等无意义的灌水信息进行识别 安装 从 Github 下载源码，将源码上传到Typecho插件目录
2.8K30编辑于 2022-04-02 - 来自专栏青年夏日
视频识别 动作识别 实时异常行为识别 等所有行为识别
大家好，我是cv君，很多大创，比赛，项目，工程，科研，学术的炼丹术士问我上述这些识别，该怎么做，怎么选择框架，今天可以和大家分析一下一些方案： 用单帧目标检测做的话，前后语义相关性很差（也有优化版）， 当然可以通过后处理判断下巴是否过框，效果是不够人工智能的），高抬腿计数，目标检测是无法计数的，判断人物的球类运动，目标检测是有很大的误检的：第一种使用球检测，误检很大，第二种使用打球手势检测，遇到人物遮挡球类，就无法识别目标 开始 目前以手势和运动识别为例子，因为cv君没什么数据哈哈 项目演示： 本人做的没转gif，所以大家可以看看其他的演示效果图，跟我的是几乎一样的~ 只是训练数据不同 一、 基本过程和思想
5.6K20发布于 2021-04-18 - 来自专栏决策智能与机器学习
智能识别方面主要进展 | 语音识别、OCR识别、图像识别、生物识别…… | 智能改变生活
识别与分类技术可应用于图像识别、医疗诊断、生物识别、信号识别和预测、雷达信号识别、经济分析，以及在智能交通管理、机动车检测、停车场管理等场合的车牌识别等很广泛的领域。 语音识别：语音识别行业现在似乎维持着最大的平衡，因为国内外各家的引擎识别率都基本在同一个水平线上，差不多达到了当前语音识别技术的极限，彼此之间差距不是那么明显。 国内著名的车牌识别产品主要有中科院自动化研究所汉王公司的汉王眼、北京文通科技有限公司的文通车牌识别系统等。 ? 虹膜识别：现代信息社会对精准识别的需求，呼唤更加不可替代的生物体特征，虹膜识别应运而生。 目前主要应用有证件识别、银行卡识别、名片识别、文档识别、车牌识别等。 ? 唇语识别：相较于前文提到的语音识别、车牌识别、人脸识别等难度更大，其很大程度上取决于语言的语境和对其的了解，而这些都只通过视觉来呈现的。
6.2K30发布于 2020-08-04 - 来自专栏机器学习、深度学习
犯罪分子检测--Eye in the Sky: Real-time DDS for Violent Individuals
Aerial Violent Individual (AVI) Dataset，这个数据库由 2000张图像组成，每张图像中包含 2-10人，整个数据库一共有 10863个人，其中 5124（48%）涉及五类暴力行为的一类或多类 五类暴力行为分别为： (1) Punching, (2) Stabbing, (3) Shooting, (4) Kicking, and (5) Strangling ?
1.3K30发布于 2019-05-28 - 来自专栏大数据文摘
真实版少数派报告：预知老鼠的犯罪意图
那么这意味着我们真的能够在暴力行为发生之前看到暴力意图吗?换句话说,我们就要建立一 个《少数派报告》描绘的世界了吗?少数派报告是一部改编自Philip K. 不过,他认为我们在经过更多研究之后,能够试图瞄准这个大脑部位 纠正人们的暴力行为。 他说:“也就是说,我们的研究结果表明未来我们应该更多地研究腹内侧下丘脑以便纠正包括欺凌和性侵犯在内的暴力行为。”
47250发布于 2018-05-22 - 来自专栏程序员吾真本
“约束与批评”决策设计工作坊 v0.2
选出客体[1]：把参加者按每组5～7人左右，分为若干组，每组尽量包含多样化的工作角色，然后选出所有组共同关心的客体，比如“公司规模化之后的BU化“ 识别约束：每组各自讨论并识别上述共同客体中的各种约束， 每个约束写一个报事贴，贴在大白纸上并分类，注意：此时的重点是识别约束，而不是寻找解决方案 宣讲约束：每组只有一人作为该组发言人留下，剩下组员逆时针换到另一组，听那一组的发言人介绍他们组识别的约束，此时， 和听众自己组所识别的相同的约束; b. 和听众自己组所识别的不同的约束; c. 感觉吃惊的地方 听众发言：发言人讲完后，就不得讲话，此时听众可以分享上述所记的3个方面的笔记 分享见闻：上述换组的成员返回自己所在的组，和本组发言人分享他们在别组的见闻 初步设计：每组在所识别的约束的基础上 ↩ 根据卢森堡博士的发现，平等交流演变为暴力行为的4个原因是：道德评判、进行比较、回避责任、强人所难。而非暴力沟通的4要素是：观察、感受、需要、请求。
42420发布于 2018-12-27 - 来自专栏全栈程序员必看
python屏幕文字识别_python 图片文字识别 可截图识别
“”” options = {} options[“detect_direction”] = “true” options[“probability”] = “true” “”” 带参数调用通用文字识别 “”” options = {} options[“detect_direction”] = “true” options[“probability”] = “false” “”” 带参数调用通用文字识别 +’********’*2+’\n’) print(‘截屏识别填1，图片识别填2:’) pd=input(”) if pd==’2′: print(‘***************请将图片放置本目录下*
44.3K10编辑于 2022-09-01 - 来自专栏PaddlePaddle
【场景文字识别】场景文字识别
场景文字识别是在图像背景复杂、分辨率低下、字体多样、分布随意等情况下，将图像信息转化为文字序列的过程，可认为是一种特别的翻译过程：将图像输入翻译为自然语言输出。 场景图像文字识别技术的发展也促进了一些新型应用的产生，如通过自动识别路牌中的文字帮助街景应用获取更加准确的地址信息等。 在场景文字识别任务中，我们介绍如何将基于CNN的图像特征提取和基于RNN的序列翻译技术结合，免除人工定义特征，避免字符分割，使用自动学习到的图像特征，完成端到端地无约束字符定位和识别。 本例将演示如何用 PaddlePaddle 完成 场景文字识别 (STR, Scene Text Recognition) 。 任务如下图所示，给定一张场景图片，STR 需要从中识别出对应的文字"keep"。 ? 图 1. 输入数据示例 "keep" |2.
28.4K70发布于 2018-04-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号