基于视频的人体异常行为识别与研究

发布时间：2022-02-13 20:15

　　随着现代视频采集技术及图像采集硬件的不断发展,人们可以获得大量的视频数据,但是如何从海量的数据中采集获取到有价值的信息、过滤和剔除无效信息成为计算机视觉视频处理的关键,异常行为识别就是其中一个重要的是研究方向,主要研究内容是分析和处理视频中的异常行为,提取异常行为的数据特征并对异常行为分类检测。近年来,深度学习算法在计算机视觉领域的不断发展,为准确、高效地对视频中异常行为检测提供了可行的方法。本文主要通过深度学习方法,对视频中的复杂异常行为（如暴力行为）进行检测分析,使用传统的计算机视觉算法,对简单明确的异常行为（如奔跑、越线检测）等进行检测,利用不同的算法高效准确地完成识别任务。本文着重研究视频的异常行为,围绕工作实际,分析并验证了算法在看守所、监狱安防中的实际意义和应用价值,在工作期间对“智慧监所”和“科技强勤”建设意见稿中提出了相关的建设意见。针对复杂异常行为的特点,本文采用了Darknet19网络架构,利用CNN网络自动生成异常行为数据特征,设计了LSTM网络以更好地处理视频中动作的连续处理问题；提出核相关滤波算法（Kernelized correlation filter）和... 

【文章来源】：云南大学云南省211工程院校

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

现代安防监控的发展

图１．１现代安防监控的发展??机视觉的行为识别，是指在没有人为控制的情况下，自动检测视，识别人的动作，对危险和异常行为进行通知或警报。本文的研的人体异常行为检测，利用计算机视觉方法，对视频中的异常行越线等，进行有效的检测和预警，利用了深度学习的方法对暴力安防监控等领域均具有广阔的市场和应用价值。异常行为的识别

２、ＣＡＳＩＡ行为数据库??ＣＡＳＩＡ是由在三个不同视角的摄像机进行室外作业拍摄而成１４４６条视频数据，??分成单人和多人行为，单人行为有走、跑、弯腰走、跳、下蹲、晕倒、徘徊和砸车，??每类行为有２４人参与拍摄，每人４次左右。多人行为有抢劫、打架、赶上、碰头、??每两人１次或２次［２２］。??ｂｊ９Ｔ?＞?ｒｖｊ＾ｇ?ｉＫＢｉｆｃ＇ｉ?■ｎｉＴ＊?？ｆｃ？３??

【参考文献】：
期刊论文
[1]基于卷积神经网络与长短期记忆神经网络的多特征融合人体行为识别算法[J]. 黄友文,万超伦,冯恒.  激光与光电子学进展. 2019(07)
[2]卷积神经网络综述[J]. 刘健,袁谦,吴广,喻晓.  计算机时代. 2018(11)
[3]基于CNN和LSTM混合模型的人体跌倒行为研究[J]. 厍向阳,苏学威.  计算机应用研究. 2019(12)
[4]基于显著性检测和稠密轨迹的人体行为识别[J]. 鹿天然,于凤芹,杨慧中,陈莹.  计算机工程与应用. 2018(14)
[5]3D CNNs与LSTMs在行为识别中的组合及其应用[J]. 秦阳,莫凌飞,郭文科,李钒.  测控技术. 2017(02)
[6]改进核相关滤波的运动目标跟踪算法[J]. 邢运龙,李艾华,崔智高,方浩.  红外与激光工程. 2016(S1)
[7]视频序列中基于LBP特征的人体行为识别[J]. 王宪,慕鑫,宋书林,陈向阳.  光电工程. 2013(03)
[8]基于Zernike矩的人体行为识别[J]. 苏开娜,乔晓梅.  北京工业大学学报. 2005(04)

博士论文
[1]基于深度学习的瓦斯时间序列预测与异常检测[D]. 王书芹.中国矿业大学 2018
[2]基于深度学习的暴力检测及人脸识别方法研究[D]. 丁春辉.中国科学技术大学 2017

硕士论文
[1]基于长短时记忆神经网络的异常行为识别研究[D]. 王雁飞.四川师范大学 2018
[2]基于视频监控的目标检测与跟踪算法研究[D]. 姜丹.西安理工大学 2018
[3]基于3D卷积神经网络的行为识别方法研究[D]. 吉璐.西安理工大学 2018
[4]基于双流卷积神经网络的监控视频中打斗行为识别研究[D]. 高阳.西安理工大学 2018
[5]基于深度学习的人体行为识别算法研究[D]. 刘雪君.东北电力大学 2018
[6]视频监控系统中人体异常行为的分析研究[D]. 薛春芳.长春工业大学 2018
[7]基于视频分析的智能监控系统设计与实现[D]. 张阳.西安科技大学 2018
[8]基于深度学习的视频行为识别技术研究[D]. 余兴.电子科技大学 2018
[9]双流网络架构下的行为识别隐含层模型研究[D]. 刘松泉.合肥工业大学 2018
[10]基于视频的公共场合人体异常行为识别[D]. 于波.北京工业大学 2017



本文编号：3623849