深度卷積網(wǎng)絡(luò)視頻暴力行為檢測(cè)算法研究
發(fā)布時(shí)間:2023-05-07 20:17
近年來(lái),為不斷推進(jìn)平安城市建設(shè),安防監(jiān)控設(shè)備在全國(guó)各地得到廣泛應(yīng)用。如何使用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)視頻監(jiān)控中的暴力行為實(shí)現(xiàn)有效的智能化分析,對(duì)維護(hù)社會(huì)穩(wěn)定,保障人們生命和財(cái)產(chǎn)安全至關(guān)重要。隨著深度學(xué)習(xí)的快速發(fā)展,該文在深度卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上,對(duì)視頻暴力行為檢測(cè)進(jìn)行研究,主要研究?jī)?nèi)容包括以下幾點(diǎn):首先,針對(duì)人工設(shè)計(jì)特征的方法檢測(cè)率較低,計(jì)算復(fù)雜度較高的問(wèn)題,提出三維卷積神經(jīng)網(wǎng)絡(luò)視頻暴力行為檢測(cè)算法。通過(guò)對(duì)輸入的原始視頻幀序列進(jìn)行三維卷積和三維池化操作,獲取視頻深層時(shí)空特征信息,實(shí)現(xiàn)端到端的暴力行為檢測(cè);此外,為提高網(wǎng)絡(luò)泛化能力,加速網(wǎng)絡(luò)訓(xùn)練,在每個(gè)卷積操作之后均進(jìn)行批量歸一化;為進(jìn)一步避免因數(shù)據(jù)集樣本較少而產(chǎn)生的網(wǎng)絡(luò)過(guò)擬合現(xiàn)象,在兩個(gè)全連接層之后添加Dropout層。實(shí)驗(yàn)表明,該算法優(yōu)于傳統(tǒng)方法,具有一定的有效性。其次,為充分利用視頻時(shí)空特征信息,提高檢測(cè)準(zhǔn)確率,在雙流卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上,提出雙流三維卷積特征融合視頻暴力行為檢測(cè)算法。采用三維卷積神經(jīng)網(wǎng)絡(luò)(Convolutional 3D,C3D),對(duì)連續(xù)的視頻幀序列進(jìn)行特征提取,不僅可以獲取視頻空間信息還可有效提取視頻時(shí)空融合信息;采用16層...
【文章頁(yè)數(shù)】:65 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 本文研究?jī)?nèi)容
1.4 本文組織結(jié)構(gòu)
第2章 視頻暴力行為檢測(cè)基礎(chǔ)
2.1 引言
2.2 卷積神經(jīng)網(wǎng)絡(luò)模型
2.2.1 LeNet-5 網(wǎng)絡(luò)
2.2.2 AlexNet網(wǎng)絡(luò)模型
2.2.3 VGGNet網(wǎng)絡(luò)模型
2.3 視頻暴力行為檢測(cè)數(shù)據(jù)集
2.4 視頻暴力行為檢測(cè)性能評(píng)估準(zhǔn)則
2.5 本章小結(jié)
第3章 三維卷積神經(jīng)網(wǎng)絡(luò)視頻暴力行為檢測(cè)算法
3.1 引言
3.2 三維卷積神經(jīng)網(wǎng)絡(luò)視頻暴力行為檢測(cè)算法
3.2.1 三維卷積神經(jīng)網(wǎng)絡(luò)
3.2.2 批量歸一化
3.2.3 Dropout技術(shù)
3.2.4 網(wǎng)絡(luò)模型詳細(xì)參數(shù)設(shè)置
3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.1 Hockey數(shù)據(jù)集性能分析
3.3.2 Violent flow數(shù)據(jù)集性能分析
3.4 本章小結(jié)
第4章 雙流三維卷積時(shí)空特征融合視頻暴力行為檢測(cè)算法
4.1 引言
4.2 雙流三維卷積時(shí)空特征融合視頻暴力行為檢測(cè)算法
4.2.1 視頻光流圖提取
4.2.2 空間流網(wǎng)絡(luò)
4.2.3 時(shí)間流網(wǎng)絡(luò)
4.2.4 模型融合
4.3 實(shí)驗(yàn)結(jié)果與分析
4.3.1 Hockey數(shù)據(jù)集性能分析
4.3.2 Violent flow數(shù)據(jù)集性能分析
4.4 本章小結(jié)
第5章 三維卷積密集連接網(wǎng)絡(luò)視頻暴力行為檢測(cè)算法
5.1 引言
5.2 三維卷積密集連接網(wǎng)絡(luò)視頻暴力行為檢測(cè)算法
5.2.1 密集連接方式
5.2.2 三維卷積密集連接網(wǎng)絡(luò)
5.2.3 網(wǎng)絡(luò)模型詳細(xì)參數(shù)設(shè)置
5.4 實(shí)驗(yàn)結(jié)果與分析
5.4.1 Hockey數(shù)據(jù)集性能分析
5.4.2 Violent flow數(shù)據(jù)集性能分析
5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
本文編號(hào):3811266
【文章頁(yè)數(shù)】:65 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 本文研究?jī)?nèi)容
1.4 本文組織結(jié)構(gòu)
第2章 視頻暴力行為檢測(cè)基礎(chǔ)
2.1 引言
2.2 卷積神經(jīng)網(wǎng)絡(luò)模型
2.2.1 LeNet-5 網(wǎng)絡(luò)
2.2.2 AlexNet網(wǎng)絡(luò)模型
2.2.3 VGGNet網(wǎng)絡(luò)模型
2.3 視頻暴力行為檢測(cè)數(shù)據(jù)集
2.4 視頻暴力行為檢測(cè)性能評(píng)估準(zhǔn)則
2.5 本章小結(jié)
第3章 三維卷積神經(jīng)網(wǎng)絡(luò)視頻暴力行為檢測(cè)算法
3.1 引言
3.2 三維卷積神經(jīng)網(wǎng)絡(luò)視頻暴力行為檢測(cè)算法
3.2.1 三維卷積神經(jīng)網(wǎng)絡(luò)
3.2.2 批量歸一化
3.2.3 Dropout技術(shù)
3.2.4 網(wǎng)絡(luò)模型詳細(xì)參數(shù)設(shè)置
3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.1 Hockey數(shù)據(jù)集性能分析
3.3.2 Violent flow數(shù)據(jù)集性能分析
3.4 本章小結(jié)
第4章 雙流三維卷積時(shí)空特征融合視頻暴力行為檢測(cè)算法
4.1 引言
4.2 雙流三維卷積時(shí)空特征融合視頻暴力行為檢測(cè)算法
4.2.1 視頻光流圖提取
4.2.2 空間流網(wǎng)絡(luò)
4.2.3 時(shí)間流網(wǎng)絡(luò)
4.2.4 模型融合
4.3 實(shí)驗(yàn)結(jié)果與分析
4.3.1 Hockey數(shù)據(jù)集性能分析
4.3.2 Violent flow數(shù)據(jù)集性能分析
4.4 本章小結(jié)
第5章 三維卷積密集連接網(wǎng)絡(luò)視頻暴力行為檢測(cè)算法
5.1 引言
5.2 三維卷積密集連接網(wǎng)絡(luò)視頻暴力行為檢測(cè)算法
5.2.1 密集連接方式
5.2.2 三維卷積密集連接網(wǎng)絡(luò)
5.2.3 網(wǎng)絡(luò)模型詳細(xì)參數(shù)設(shè)置
5.4 實(shí)驗(yàn)結(jié)果與分析
5.4.1 Hockey數(shù)據(jù)集性能分析
5.4.2 Violent flow數(shù)據(jù)集性能分析
5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
本文編號(hào):3811266
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3811266.html
最近更新
教材專著