计算机应用研究

作者：袁帅,余磊,汪嘉杰,熊邦书,

单位：南昌航空大学图像处理与模式识别江西省重点实验室,南昌330063；

关键词：红外视频,融合注意力,多尺度,行为识别,

基金：国家自然科学基金资助项目(62162044)；江西省重点研发计划资助项目(20212BBE53017)；江西省自然科学基金资助项目(20252BAC240216)；；

红外视频因物理特性易受背景干扰，且时间维度变化特征不丰富，导致人体行为识别效果差。针对此问题，提出了一种基于融合注意力的多残差膨胀三维卷积红外视频行为识别方法。首先，设计全维融合注意力机制（IMDA），有效处理红外视频的背景干扰，并结合时空和通道信息高效捕获行为帧中的关键区域；其次，设计时间金字塔分割注意力机制（TPSA），通过在时间维度上分割注意力，有效捕获视频序列在多尺度下的动态信息。基于TPSA，进一步构建时间金字塔多残差模块（TSAMR），增强了模型在不同背景条件下处理红外视频的泛化能力。实验结果表明，在IITR-IAR和校园安全行为数据集上分别取得了81.73%和90.76%的准确率，均优于现有行为识别方法，证明了该方法的优越性。

来源：2025年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第10期