潘 丹，林灵婷，翁凌雯，李 棋，常 尧

（1.国网福建信通公司，福建 福州 350013；2.安徽南瑞继远电网技术有限公司，安徽合肥 230601）

随着科学技术的不断发展，智能摄像头已被广泛应用于交通、医疗、安保等各个领域[1]，由此产生的图像数据也随之呈指数级增长。而对于海量视频数据的及时、高效处理成为了当前的热点研究方向。尤其是在安防领域的异常行为检测方面，其时效性与准确性均有较高要求[2]。

人体行为识别技术通常包括特征提取及特征理解识别两部分。其中特征提取是识别准确率的关键，如基于人工特征与基于深度学习（Deep Learning）的方法[3-4]。前者具有复杂度较低、易于实现的优点，但其识别精度和鲁棒性较差[5]。而基于深度学习方法的行为表达能力不受所提取特征的限制，因而具有较好的适应性及准确性[6]。但现有方法相对较为繁杂，低复杂度和准确性通常无法兼顾[7]。

为此，该文提出了一种基于时空双分支网络的行为检测与识别方案，用于电厂/工区监控视频的人脸识别与违章安全行为的检测。

1 时空特征提取网络

在时空特征提取网络中，利用卷积神经网络（Convolutional Neural Network，CNN）获取图像的空间域特征，同时基于循环神经网络（Recurrent Neural Network，RNN）提取图像的时域特征，如此能够更好地获得图像的时空特征，便于后期的行为检测与分类[8-9]。

1.1 CNN的空间特征提取网络

CNN 模仿人类视觉神经结构，通过卷积层与池化层提取信息特征，其模型结构如图1 所示。

图1 CNN网络结构

其中，卷积层是提取图像特征的过程。……