关键词:
科技项目评审
人工智能
行为分析
目标检测
目标跟踪
摘要:
为提高科技项目评审会议组织实施的质量,规范评审过程中参会人员的行为,提出一种基于改进YOLOv5的科技项目评审过程人员行为分析方法,实时分析评审会议现场监控视频数据,识别参会人员的违规行为。首先,基于改进的YOLOv5构建监控视频小目标检测网络,在YOLOv5主干网络中融合TCANet注意力机制,获取评审会议现场监控视频数据中重点关注的目标区域,并在其头部网络增加了特征图上采样处理,将上采样得到的特征图与主干网络中的浅层特征图进行融合,实现评审会议现场中手机、名片等小目标的检测;然后,提出参会人员行为分析算法,通过人体目标跟踪网络模型实时跟踪参会人员的移动轨迹,建立区域属性与专家位置域联合的时空关联关系判别式,识别参会人员与专家接触、攀谈等违规行为。实验结果表明,该方法对评审会议现场中手机、名片小目标的检测准确率为0.657,相比于YOLOv5m,mAP提升了0.196;参会人员的跟踪准确率Rank-1达到0.938,图像处理帧率为21 F/s,能够准确识别参会人员接触、攀谈行为,对评审会议现场人员行为智能化管理具有重要意义。