基于多模态融合与深度学习的行人异常行为检测技术探索与系统构建

一、引言

1.1研究背景与意义

随着城市化进程的加速，公共场所的人流量日益增大，安全问题也愈发受到关注。行人作为城市环境中的主要活动对象，其行为的异常往往可能引发安全事故，如盗窃、暴力冲突、交通碰撞等，这些事件不仅会对个人的生命财产安全造成威胁，还会影响社会的稳定与和谐。传统的安防和交通管理方式主要依赖人工监控，然而，面对海量的监控视频数据和复杂多变的场景，人工监控不仅效率低下，而且容易受到主观因素的影响，导致漏检和误检的情况时有发生。因此，开发高效准确的行人异常行为检测技术具有重要的现实意义。

在安防领域，行人异常行为检测可以帮