融合YOLO与LSTM的多摄像头视频监控异常事件检测研究

摘要

随着智能安防技术的发展，传统视频监控面临人工依赖性强与实时性不足的双重挑战。本研究融合YOLO目标检测算法与长短期记忆(LSTM)网络时序分析，构建多摄像头视频监控异常事件检测系统，利用YOLO的空间特征提取能力和LSTM的时序建模优势，实现高效、精准的异常行为识别。结果表明：通过模块化设计与算法优化，系统检测精度显著提升，实时性得以改善。在商场停车场环境中，系统对3类暴力行为的平均检测准确率达90.93%,平均检测时间仅1.9 s;在更为复杂的公共场所环境中，融合模型平均准确率达88.1%,优于单一模型，平均准确率提高约13%。系统对聚众暴力行为的检测效果最佳(准确率高达91.2%),并能在夜间低光照环境下保持较高的鲁棒性(人与物暴力行为检测准确率达85.6%)。综上所述，该系统通过YOLO与LSTM算法融合，实现了高效准确的多摄像头视频监控异常事件检测，为智能安防提供了可靠的解决方案，具有重要的应用价值。

关键词

多摄像头视频监控 / 异常事件检测 / YOLO / 长短期记忆网络 / 智能安防