在這個網(wǎng)絡(luò)媒體技術(shù)高速發(fā)展的時代,人們接收信息的渠道變得越來越多,校園霸凌事件也開始走入人們的視野中。在互聯(lián)網(wǎng)自媒體時代中,網(wǎng)絡(luò)世界中繁雜的暴力、低俗信息對青少年的心智發(fā)展產(chǎn)生了嚴(yán)重的影響,有的學(xué)生甚至?xí)ツ７陆佑|到的暴力低俗行為,校園霸凌事件不僅影響了校園生活風(fēng)氣還對學(xué)生的心理發(fā)展產(chǎn)生了惡劣的影響,由此可見在校園中主動檢測校園霸凌事件的重要性。本文分別從視頻與音頻兩方面通過模式識別技術(shù)對學(xué)生遭受校園霸凌的情況進(jìn)行及時判斷,并且通過改進(jìn)的DS融合算法對兩方面的判別結(jié)果進(jìn)行融合�；谛@監(jiān)控視頻并結(jié)合定向音頻采集設(shè)備實現(xiàn)了對學(xué)生身心安全進(jìn)行無間歇的實時監(jiān)測,有利于構(gòu)建和諧的校園環(huán)境。針對視頻圖像復(fù)雜的數(shù)據(jù)特征,本文首先對視頻圖像數(shù)據(jù)進(jìn)行預(yù)處理,并通過搭建深度卷積神經(jīng)網(wǎng)絡(luò)來提取霸凌動作和日常動作數(shù)據(jù)特征。每16幀視頻圖像數(shù)據(jù)提取出一個4096維度的特征向量,在此基礎(chǔ)上設(shè)計神經(jīng)網(wǎng)絡(luò)識別算法,該識別算法的識別規(guī)則如下:以16幀視頻圖像為基本識別單元對視頻樣本數(shù)據(jù)進(jìn)行分割,對每一個基本單元進(jìn)行一次判斷,最終取所有判斷結(jié)果的平均值作為最終識別結(jié)果,最終校園霸凌行為識別的準(zhǔn)確率達(dá)到了92.00%,精... 

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
        1.1.1 課題來源
        1.1.2 研究背景和意義
    1.2 相關(guān)理論的發(fā)展現(xiàn)狀及分析
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 國內(nèi)外研究現(xiàn)狀分析
    1.3 主要研究內(nèi)容
    1.4 論文結(jié)構(gòu)設(shè)置
第2章 校園霸凌識別及數(shù)據(jù)融合相關(guān)算法
    2.1 神經(jīng)網(wǎng)絡(luò)及學(xué)習(xí)算法簡介
        2.1.1 人工神經(jīng)網(wǎng)絡(luò)
        2.1.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.3 神經(jīng)網(wǎng)絡(luò)中防止過擬合方法
    2.2 視頻及音頻數(shù)據(jù)預(yù)處理
        2.2.1 視頻數(shù)據(jù)預(yù)處理
        2.2.2 音頻數(shù)據(jù)預(yù)處理
    2.3 數(shù)據(jù)融合算法研究
        2.3.1 數(shù)據(jù)融合的定義及分類
        2.3.2 數(shù)據(jù)融合方法
    2.4 系統(tǒng)性能評估方法與指標(biāo)
    2.5 本章小結(jié)
第3章 基于視頻的校園霸凌識別
    3.1 視頻圖像預(yù)處理
    3.2 視頻特征提取
        3.2.1 C3D卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 C3D卷積神經(jīng)網(wǎng)絡(luò)參數(shù)
    3.3 基于視頻的分類算法設(shè)計
        3.3.1 分類算法結(jié)構(gòu)
        3.3.2 分類算法參數(shù)
    3.4 基于視頻的校園霸凌檢測結(jié)果
        3.4.1 分類算法訓(xùn)練結(jié)果
        3.4.2 分類算法識別結(jié)果
        3.4.3 分類算法評估結(jié)果
    3.5 本章小結(jié)
第4章 基于音頻的校園霸凌識別
    4.1 語音預(yù)處理
    4.2 MFCC特征提取
        4.2.1 MFCC物理意義及優(yōu)勢
        4.2.2 MFCC提取流程
    4.3 語音情感分類算法設(shè)計
        4.3.1 六分類算法
        4.3.2 二分類算法
    4.4 基于音頻的校園霸凌檢測結(jié)果
        4.4.1 二分類算法訓(xùn)練結(jié)果
        4.4.2 二分類算法識別結(jié)果及性能評估
    4.5 本章小結(jié)
第5章 視頻音頻融合判決算法
    5.1 數(shù)據(jù)融合理論
        5.1.1 DS算法理論
        5.1.2 DS算法理論局限性
    5.2 改進(jìn)DS算法理論
        5.2.1 改進(jìn)焦元函數(shù)
        5.2.2 改進(jìn)合成規(guī)則
        5.2.3 改進(jìn)方法的對比及性能分析
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于多傳感器的數(shù)據(jù)融合算法研究[J]. 敬如雪,高玉琢.  現(xiàn)代電子技術(shù). 2020(10)
[2]試論校園暴力的產(chǎn)生原因及其防范措施[J]. 劉一凡.  法制與社會. 2020(13)
[3]GFCC與韻律特征參數(shù)融合的語音情感識別[J]. 王華朋,劉恩,晁亞東,劉元周,倪令格.  中國刑警學(xué)院學(xué)報. 2020(02)
[4]基于語音情感分析系統(tǒng)的語音壓力測謊[J]. 晁亞東,王華朋,劉恩,倪令格,劉元周.  刑事技術(shù). 2020(02)
[5]神經(jīng)網(wǎng)絡(luò)在礦物加工中預(yù)測應(yīng)用的研究現(xiàn)狀及展望[J]. 郭銳,劉丹,杜鈺,余龍舟.  硅酸鹽通報. 2020(04)
[6]基于隨機(jī)自適應(yīng)方法的多傳感器融合算法[J]. 王茜,王穎超,曹菲.  計算機(jī)應(yīng)用與軟件. 2020(04)
[7]中學(xué)生校園暴力現(xiàn)象法制因素及策略[J]. 文紅剛.  法制博覽. 2020(07)
[8]擁擠場景下的暴力行為檢測[J]. 王聰,費樹岷.  工業(yè)控制計算機(jī). 2020(02)
[9]基于深度卷積網(wǎng)絡(luò)和譜圖的語音情感識別[J]. 張家銘,王曉曼,景文博.  長春理工大學(xué)學(xué)報(自然科學(xué)版). 2020(01)
[10]未成年人暴力犯罪法律問題研究[J]. 王夢潔.  法制博覽. 2019(24)

碩士論文
[1]基于深度特征的特殊視頻內(nèi)容檢測算法研究[D]. 張棟梁.中央民族大學(xué) 2018



本文編號：3681778