基于DT-SVM的校园霸凌检测算法
发布时间：2021-01-06 17:15
当今网络信息已经逐步地融入到我们的生活之中,在网络信息丰富我们精神生活的同时,心智尚未成熟的中小学生接触暴力血腥等内容的概率也随之增加,反映在校园生活中越来越多的校园暴力事件发生,校园霸凌已经是当下教育关注重点。由于受暴者胆小等原因不敢及时汇报需要外界对其检测达到监管目的。目前在校园霸凌检测方面的研究多着眼于附带运动传感器的可穿戴设备,但需要使用者随时佩戴,且检测精度会受传感器佩戴是否牢固影响。鉴于目前监控设备的制作工艺较高、成本较低而且针对图像处理领域的模式识别技术较为成熟,本文提出了基于视频的校园霸凌检测算法,利用固定背景的视频检测是否有霸凌情况发生。相比穿戴设备的检测,基于视频的校园霸凌检测能够留存证据,便于家长和教师了解霸凌行为经过和施暴者身份,完善校园霸凌检测算法。鉴于视频数据对设备的依赖性以及校园霸凌动作的复杂性,本文首先采取像素较高摄像设备对固定背景下的动作行为进行视频数据的采集,之后采取预处理和图像处理等方法提取出运动的前景目标,随后提出一种外接矩形框整合处理方法对运动目标外接矩形框进行优化处理。得到较好的前景运动目标之后,针对霸凌动作以及日常行为动作进行分析并提取出来...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
颜色通道转换结果图
a) 原始帧 b) 静态差分法加形态学结果图 2-4 静态差分法加形态学处理结果2-5 是帧间差法检测流程图，无需设置固定背景帧，对 k-1 帧和 k值滤波处理，之后 k 帧与 k-1 帧进行差分，对差分结果采取形态前景区域。B:视频第k-1帧灰度化中值滤波A:视频第k帧灰度化中值滤波A-B形态学处理最终结果
a)原始图 b)帧间差法结果图图 2-6 二值化前后帧差法结果图计学背景建模法用统计学理论设定背景模型，再通过背景差分法对北京像素点点实行分类。Gloyer 等人使用中值法建模[17]，这种方法计算复杂变化的环境中经常产生误差。Wren 等人提出利用单高斯进行背适应较为复杂的场景。Stauffer 等人设计了混合高斯背景建模法[1该方案通常可以较好地适顺应复杂场景，然而因为提高高斯分布也增长。一种基于核密度预计[20]的无参数运动目标检测法不要求分布，而是使用规范核函数对该时刻周围视频帧信息精确地估计运动目标。该方法适用于较为复杂的户外区域，但由于计算量略，无法进行实时监测。于聚类的运动目标提取方法类的运动目标提取方法中经典算法是 CodeBook 法[21]，该方法利素从而提取出前景区域。该方法对于户外灯复杂场景有较好的适
【参考文献】：
期刊论文
[1]基于深度学习的暴力行为检测[J]. 李红昌,王晶,韩建军,张金民,杨玉山,赵岳. 电子世界. 2019(09)
[2]基于电梯视频的乘客暴力行为检测[J]. 季一锦,陈峥,马志伟,王峰. 工业控制计算机. 2018(06)
[3]国内校园欺凌研究:十年回溯与展望[J]. 刘於清. 教育探索. 2018(02)
[4]基于3D-CNN的暴力行为检测[J]. 周智,朱明,Yahya Khan. 计算机系统应用. 2017(12)
[5]嵌入式下公共场所暴力行为视觉检测方法研究[J]. 伍冯洁,吴川平,黄文恺,郭中华. 电视技术. 2016(01)
[6]基于轮廓跟踪的摔倒检测算法[J]. 靳海伟,彭力,卢晓龙. 江南大学学报(自然科学版). 2015(02)
[7]基于计算机视觉的电梯内防暴力智能视频监控[J]. 汤一平,陆海峰. 浙江工业大学学报. 2009(06)
[8]基于支持向量机的图像分割[J]. 邢伟. 微计算机信息. 2008(01)
[9]基于主成份分析和支持向量机的MRI图像多目标分割[J]. 郭磊,武优西,刘雪娜,颜威利,沈雪勤. 中国生物医学工程学报. 2007(04)
博士论文
[1]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
[2]视频中人体行为识别若干问题研究[D]. 裴利沈.电子科技大学 2016
硕士论文
[1]面向视频监控的暴力行为检测技术研究[D]. 宋凯.哈尔滨工程大学 2018
[2]基于多传感器数据融合的校园暴力检测算法[D]. 石纪福.哈尔滨工业大学 2018
[3]防治初中生校园欺凌的策略研究[D]. 赵岩.黑龙江大学 2018
[4]基于深度学习的暴力行为智能检测技术研究[D]. 孟子涵.南京航空航天大学 2018
[5]基于动作语音特征的校园暴力识别算法研究[D]. 王鹏.哈尔滨工业大学 2017
[6]移动通信安全事件检测方法研究[D]. 杨子明.重庆邮电大学 2017
[7]群体异常行为识别方法的研究[D]. 叶程.中国民用航空飞行学院 2017
[8]电梯轿厢内乘客异常行为检测[D]. 朱玉杰.中国科学技术大学 2017
[9]运动目标的特征提取与行为识别研究[D]. 董凌凌.曲阜师范大学 2015
[10]基于轨迹分析的暴力行为识别算法研究[D]. 王晓龙.上海交通大学 2015
本文编号：2960950
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
颜色通道转换结果图
a) 原始帧 b) 静态差分法加形态学结果图 2-4 静态差分法加形态学处理结果2-5 是帧间差法检测流程图，无需设置固定背景帧，对 k-1 帧和 k值滤波处理，之后 k 帧与 k-1 帧进行差分，对差分结果采取形态前景区域。B:视频第k-1帧灰度化中值滤波A:视频第k帧灰度化中值滤波A-B形态学处理最终结果
a)原始图 b)帧间差法结果图图 2-6 二值化前后帧差法结果图计学背景建模法用统计学理论设定背景模型，再通过背景差分法对北京像素点点实行分类。Gloyer 等人使用中值法建模[17]，这种方法计算复杂变化的环境中经常产生误差。Wren 等人提出利用单高斯进行背适应较为复杂的场景。Stauffer 等人设计了混合高斯背景建模法[1该方案通常可以较好地适顺应复杂场景，然而因为提高高斯分布也增长。一种基于核密度预计[20]的无参数运动目标检测法不要求分布，而是使用规范核函数对该时刻周围视频帧信息精确地估计运动目标。该方法适用于较为复杂的户外区域，但由于计算量略，无法进行实时监测。于聚类的运动目标提取方法类的运动目标提取方法中经典算法是 CodeBook 法[21]，该方法利素从而提取出前景区域。该方法对于户外灯复杂场景有较好的适
【参考文献】：
期刊论文
[1]基于深度学习的暴力行为检测[J]. 李红昌,王晶,韩建军,张金民,杨玉山,赵岳. 电子世界. 2019(09)
[2]基于电梯视频的乘客暴力行为检测[J]. 季一锦,陈峥,马志伟,王峰. 工业控制计算机. 2018(06)
[3]国内校园欺凌研究:十年回溯与展望[J]. 刘於清. 教育探索. 2018(02)
[4]基于3D-CNN的暴力行为检测[J]. 周智,朱明,Yahya Khan. 计算机系统应用. 2017(12)
[5]嵌入式下公共场所暴力行为视觉检测方法研究[J]. 伍冯洁,吴川平,黄文恺,郭中华. 电视技术. 2016(01)
[6]基于轮廓跟踪的摔倒检测算法[J]. 靳海伟,彭力,卢晓龙. 江南大学学报(自然科学版). 2015(02)
[7]基于计算机视觉的电梯内防暴力智能视频监控[J]. 汤一平,陆海峰. 浙江工业大学学报. 2009(06)
[8]基于支持向量机的图像分割[J]. 邢伟. 微计算机信息. 2008(01)
[9]基于主成份分析和支持向量机的MRI图像多目标分割[J]. 郭磊,武优西,刘雪娜,颜威利,沈雪勤. 中国生物医学工程学报. 2007(04)
博士论文
[1]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
[2]视频中人体行为识别若干问题研究[D]. 裴利沈.电子科技大学 2016
硕士论文
[1]面向视频监控的暴力行为检测技术研究[D]. 宋凯.哈尔滨工程大学 2018
[2]基于多传感器数据融合的校园暴力检测算法[D]. 石纪福.哈尔滨工业大学 2018
[3]防治初中生校园欺凌的策略研究[D]. 赵岩.黑龙江大学 2018
[4]基于深度学习的暴力行为智能检测技术研究[D]. 孟子涵.南京航空航天大学 2018
[5]基于动作语音特征的校园暴力识别算法研究[D]. 王鹏.哈尔滨工业大学 2017
[6]移动通信安全事件检测方法研究[D]. 杨子明.重庆邮电大学 2017
[7]群体异常行为识别方法的研究[D]. 叶程.中国民用航空飞行学院 2017
[8]电梯轿厢内乘客异常行为检测[D]. 朱玉杰.中国科学技术大学 2017
[9]运动目标的特征提取与行为识别研究[D]. 董凌凌.曲阜师范大学 2015
[10]基于轨迹分析的暴力行为识别算法研究[D]. 王晓龙.上海交通大学 2015
本文编号：2960950
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2960950.html
