文章开放获取 发表日期：2026年8月12日 科学报告（2026） 引用本文 我们提供该手稿的未编辑版本，以便提前了解其发现。在最终发表之前，手稿将进行进一步的编辑。请注意，可能存在影响内容的错误，且所有法律免责声明均适用。摘要 暴力识别是对监控视频流中实时人类活动识别的紧迫需求，这在公共安全、执法和安全监控等领域变得越来越重要。尽管视觉理解已经取得了很大进展，找出准确性和识别速度之间的平衡仍然是一个大问题。为了解决这些限制，我们建议一种混合深度学习架构，将时间分布卷积神经网络（TD-CNN）与基于空间注意力机制的长短时记忆（LSTM）网络相结合。该注意力模块位于卷积层之间，能够自适应地突出重要的空间区域，使得特征区分更加容易。模型的LSTM部分查看帧之间的时间关系，以捕捉重要的暴力行为运动动态。所建议的架构在冰球打斗数据集上进行了测试，获得了93%的准确率，这优于许多其他基准。实验结果表明，卷积和递归层的层次集成与注意力机制显著提高了识别准确性，同时保持了适合近实时部署的计算轻量架构。资金 开放获取资金由马尼帕尔高等教育学院提供。作者信息 作者及其所属机构 印度大诺伊达，班尼特大学，计算机科学与工程技术学院 Manoj Kumar 印度诺伊达，JSS技术教育学院，UP邦 Birendra Kumar Verma & Sukhendra Singh 印度帕特纳，国家技术学院计算机科学与工程系 Abhay Kumar & Kumar Abhishek 印度马尼帕尔，马尼帕尔高等教育学院技术学院 B. M. Ahamed Shafeeq 作者 Manoj Kumar Birendra Kumar Verma Sukhendra Singh Abhay Kumar Kumar Abhishek B. M. Ahamed Shafeeq 通讯作者 联系人：B. M. Ahamed Shafeeq。伦理声明 竞争利益 作者声明无竞争利益。伦理声明 不适用。参与同意 不适用。出版权同意 不适用。附加信息 出版商声明 施普林格自然对所发表地图和机构隶属权的管辖声明保持中立。权利与许可 开放获取 本文在创意共享署名4.0国际许可证下获得许可，该许可证允许以任何媒介或格式使用、分享、改编、分发和复制，只要您给予原创作者和来源的适当信用，提供指向创意共享许可证的链接，并指明是否进行了更改。本文中包含的图片或其他第三方材料纳入文章的创意共享许可证中，除非在材料的信用行中另有说明。如果材料未包括在文章的创意共享许可证中并且您的预期使用未被法定法规允许，或超出了允许的使用范围，则需要直接从版权所有者处获取许可。要查看该许可证的副本，请访问http://creativecommons.org/licenses/by/4.0/。关于本文的重印与许可 引用本文 Kumar, M., Verma, B.K., Singh, S.等。多级暴力识别通过混合卷积-注意力和递归架构。科学报告（2026）。https://doi.org/10.1038/s41598-026-66068-1 下载引用 收稿日期：2025年11月13日 接受日期：2026年8月5日 发表日期：2026年8月12日 DOI：https://doi.org/10.1038/s41598-026-66068-1 关键词