基于YOLOv8的实时密集人群异常行为检测增强框架
学术背景 随着公共安全需求的日益增加,尤其是在大型宗教活动如麦加朝觐(Hajj)期间,密集人群中的异常行为检测成为了一个至关重要的课题。现有的检测方法在面对遮挡、光照变化和统一着装等复杂条件时,往往表现不佳,导致检测精度下降。为了应对这些挑战,研究者们致力于开发更为先进的计算机视觉技术,以提高实时监测的准确性和效率。 本研究的核心在于提出一种改进的YOLOv8模型——Crowd Anomaly Detection Framework (CADF),通过集成Soft-NMS(非极大值抑制的软版本)技术,显著提升了在复杂环境下的检测精度。该研究不仅针对Hajj朝觐的特殊场景进行了优化,还在多个公开数据集上进行了验证,展示了其广泛的适用性和鲁棒性。 论文来源 本论文由Rabia Nasir、Zak...