隨著現(xiàn)代視頻采集技術(shù)及圖像采集硬件的不斷發(fā)展,人們可以獲得大量的視頻數(shù)據(jù),但是如何從海量的數(shù)據(jù)中采集獲取到有價值的信息、過濾和剔除無效信息成為計(jì)算機(jī)視覺視頻處理的關(guān)鍵,異常行為識別就是其中一個重要的是研究方向,主要研究內(nèi)容是分析和處理視頻中的異常行為,提取異常行為的數(shù)據(jù)特征并對異常行為分類檢測。近年來,深度學(xué)習(xí)算法在計(jì)算機(jī)視覺領(lǐng)域的不斷發(fā)展,為準(zhǔn)確、高效地對視頻中異常行為檢測提供了可行的方法。本文主要通過深度學(xué)習(xí)方法,對視頻中的復(fù)雜異常行為（如暴力行為）進(jìn)行檢測分析,使用傳統(tǒng)的計(jì)算機(jī)視覺算法,對簡單明確的異常行為（如奔跑、越線檢測）等進(jìn)行檢測,利用不同的算法高效準(zhǔn)確地完成識別任務(wù)。本文著重研究視頻的異常行為,圍繞工作實(shí)際,分析并驗(yàn)證了算法在看守所、監(jiān)獄安防中的實(shí)際意義和應(yīng)用價值,在工作期間對“智慧監(jiān)所”和“科技強(qiáng)勤”建設(shè)意見稿中提出了相關(guān)的建設(shè)意見。針對復(fù)雜異常行為的特點(diǎn),本文采用了Darknet19網(wǎng)絡(luò)架構(gòu),利用CNN網(wǎng)絡(luò)自動生成異常行為數(shù)據(jù)特征,設(shè)計(jì)了LSTM網(wǎng)絡(luò)以更好地處理視頻中動作的連續(xù)處理問題；提出核相關(guān)濾波算法（Kernelized correlation filter）和... 

【文章來源】：云南大學(xué)云南省211工程院校

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

現(xiàn)代安防監(jiān)控的發(fā)展

圖１．１現(xiàn)代安防監(jiān)控的發(fā)展??機(jī)視覺的行為識別，是指在沒有人為控制的情況下，自動檢測視，識別人的動作，對危險(xiǎn)和異常行為進(jìn)行通知或警報(bào)。本文的研的人體異常行為檢測，利用計(jì)算機(jī)視覺方法，對視頻中的異常行越線等，進(jìn)行有效的檢測和預(yù)警，利用了深度學(xué)習(xí)的方法對暴力安防監(jiān)控等領(lǐng)域均具有廣闊的市場和應(yīng)用價值。異常行為的識別

２、ＣＡＳＩＡ行為數(shù)據(jù)庫??ＣＡＳＩＡ是由在三個不同視角的攝像機(jī)進(jìn)行室外作業(yè)拍攝而成１４４６條視頻數(shù)據(jù)，??分成單人和多人行為，單人行為有走、跑、彎腰走、跳、下蹲、暈倒、徘徊和砸車，??每類行為有２４人參與拍攝，每人４次左右。多人行為有搶劫、打架、趕上、碰頭、??每兩人１次或２次［２２］。??ｂｊ９Ｔ?＞?ｒｖｊ＾ｇ?ｉＫＢｉｆｃ＇ｉ?■ｎｉＴ＊?？ｆｃ？３??

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)與長短期記憶神經(jīng)網(wǎng)絡(luò)的多特征融合人體行為識別算法[J]. 黃友文,萬超倫,馮恒.  激光與光電子學(xué)進(jìn)展. 2019(07)
[2]卷積神經(jīng)網(wǎng)絡(luò)綜述[J]. 劉健,袁謙,吳廣,喻曉.  計(jì)算機(jī)時代. 2018(11)
[3]基于CNN和LSTM混合模型的人體跌倒行為研究[J]. 厙向陽,蘇學(xué)威.  計(jì)算機(jī)應(yīng)用研究. 2019(12)
[4]基于顯著性檢測和稠密軌跡的人體行為識別[J]. 鹿天然,于鳳芹,楊慧中,陳瑩.  計(jì)算機(jī)工程與應(yīng)用. 2018(14)
[5]3D CNNs與LSTMs在行為識別中的組合及其應(yīng)用[J]. 秦陽,莫凌飛,郭文科,李釩.  測控技術(shù). 2017(02)
[6]改進(jìn)核相關(guān)濾波的運(yùn)動目標(biāo)跟蹤算法[J]. 邢運(yùn)龍,李艾華,崔智高,方浩.  紅外與激光工程. 2016(S1)
[7]視頻序列中基于LBP特征的人體行為識別[J]. 王憲,慕鑫,宋書林,陳向陽.  光電工程. 2013(03)
[8]基于Zernike矩的人體行為識別[J]. 蘇開娜,喬曉梅.  北京工業(yè)大學(xué)學(xué)報(bào). 2005(04)

博士論文
[1]基于深度學(xué)習(xí)的瓦斯時間序列預(yù)測與異常檢測[D]. 王書芹.中國礦業(yè)大學(xué) 2018
[2]基于深度學(xué)習(xí)的暴力檢測及人臉識別方法研究[D]. 丁春輝.中國科學(xué)技術(shù)大學(xué) 2017

碩士論文
[1]基于長短時記憶神經(jīng)網(wǎng)絡(luò)的異常行為識別研究[D]. 王雁飛.四川師范大學(xué) 2018
[2]基于視頻監(jiān)控的目標(biāo)檢測與跟蹤算法研究[D]. 姜丹.西安理工大學(xué) 2018
[3]基于3D卷積神經(jīng)網(wǎng)絡(luò)的行為識別方法研究[D]. 吉璐.西安理工大學(xué) 2018
[4]基于雙流卷積神經(jīng)網(wǎng)絡(luò)的監(jiān)控視頻中打斗行為識別研究[D]. 高陽.西安理工大學(xué) 2018
[5]基于深度學(xué)習(xí)的人體行為識別算法研究[D]. 劉雪君.東北電力大學(xué) 2018
[6]視頻監(jiān)控系統(tǒng)中人體異常行為的分析研究[D]. 薛春芳.長春工業(yè)大學(xué) 2018
[7]基于視頻分析的智能監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 張陽.西安科技大學(xué) 2018
[8]基于深度學(xué)習(xí)的視頻行為識別技術(shù)研究[D]. 余興.電子科技大學(xué) 2018
[9]雙流網(wǎng)絡(luò)架構(gòu)下的行為識別隱含層模型研究[D]. 劉松泉.合肥工業(yè)大學(xué) 2018
[10]基于視頻的公共場合人體異常行為識別[D]. 于波.北京工業(yè)大學(xué) 2017



本文編號：3623849