监控行为分析识别检测 YOLO_基于yolo算法的目标检测异常行为

监控行为分析识别检测基于YOLO识别算法框架在现场范围之内，能够识别分析监控区人员行为情况。YOLO网络是一个以目标检测为目的而设计的网络。YOLO系列算法的基本思想是将输入图像分 割为S×S个单元格， 且每个单元格生成B 个边界框， 由被检测目标中心点所在的单元格负责该目标的检测， 并计算对应边界框的置信度。

行为目标检测分为两大系列-- -RCNN系列和YOLO系列 , RCNN系列是基于区域检测的代表性算法, YOLO是基于区域提取的代表性算法,另外还有著名的SSD是基于前两个系列的改进。

YOLO ( You Only Look Once ) 是继RCNN , fast-RCNN和faster-RCNN之后, RossGirshick针对DL目标检测速度问题提出的另一种框架,其核心思想是生成Rol+目标检测两阶段( two-stage )算法用一套网络的一-阶段( one-stage )算法替代,直接在输出层回归bounding box的位置和所属类别。
 

 import os
from torch.utils.data import Dataset
from utils import *
from torchvision import transforms
transform = transforms.Compose([
    transforms.ToTensor()
    ])

class MyDataset(Dataset):
    def __init__(self, path):   
        self.path = path
        self.name = os.listdir(os.path.join(path, 'notedata'))
    def __len__(self):         
        return len(self.name)
    def __getitem__(self, index):  
        segment_name = self.name[index] #XX.png
        segment_path = os.path.join(self.path, 'notedata', segment_name)