7、基于人工智能的高效活动识别与恐怖袭击分类

基于人工智能的高效活动识别与恐怖袭击分类

一、基于人工智能的人类活动识别

1.1 数据集收集

为了实现人类活动识别，需要收集相关的数据集。数据集收集过程涵盖了人类在 ATM 室内的正常活动，如行走、摆姿势等，同时还收集了跑步、慢跑和挥手等活动作为训练数据。这些活动由 25 名受试者在四种不同场景下多次执行，包括户外、有尺度变化的户外、穿着不同衣服的户外和室内。

数据集具有以下特点：
- 包含 2391 个序列。
- 所有序列均在均匀背景下使用静态相机以 25fps 的帧率拍摄。
- 序列被下采样到 160 × 120 像素的空间分辨率，平均长度为 4 秒。

人类活动的验证指标如下表所示：
| Activity | Precision | Recall | F1 - score | Support |
| — | — | — | — | — |
| Walking | 1.00 | 1.00 | 1.00 | 70 |
| Boxing | 1.00 | 1.00 | 1.00 | 37 |
| Hand clapping | 1.00 | 1.00 | 1.00 | 41 |
| Hand waving | 1.00 | 1.00 | 1.00 | 55 |
| Standing | 1.00 | 0.99 | 0.99 | 207 |
| Breaking | 0.93 | 0.96 | 0.95 | 27 |
| Accuracy | 0.99 | 437 |
| Macro avg | 0.99 | 0.99 | 0.99