基于长短时记忆神经网络的异常行为识别研究

发布时间：2021-03-02 07:33

　　行为识别一直以来都是模式识别和计算机视觉等领域的研究热点,在智能视频监控、视频数据内容检索、虚拟现实等方面有广阔的应用市场和巨大的应用价值。行为识别的研究涉及到数字图像处理、信号处理、模式识别等领域的热点、难点问题,对其的研究具有较高的理论研究价值。区别于传统的行为识别方法,本文采用了深度学习的方法对行为识别进行研究。传统的行为识别方法常常是把特征提取作为研究的核心,而采用深度学习算法则在一定程度上实现了算法自身学习数据特征,并能对学习来的有效的特征进行分类。这在一定程度上减少了人工的干预。本文对行为图像序列进行了关键帧提取,将任一行为表征为具有时间序列性的行为关键语句。针对关键语句的时序性,本文采用了擅长处理时序数据的长短时记忆神经网络（Long Short Term Memory Network,LSTM）对行为关键语句进行了分类,实现了针对停车场场景的异常行为识别。考虑深度学习算法通常需要大量的数据才能训练出较好的模型。本文在已存在的数据的情况下,采用深度卷积对抗生成网络（Deep Convolutional Generative Adversarial Networks,DCG... 

【文章来源】：四川师范大学四川省

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

KTH行为数据库（2）中科院CASIA行为数据库中科院CASIA行为数据库拍摄的场景是在室外自然环境下的停车场

CASIA行为数据库除了上述行为数据库，目前常用数据库还有Weizman行为数据库、UCFsports

行为视频拍摄示意图

【参考文献】：
期刊论文
[1]基于混合关节特征的人体行为识别[J]. 胡珂杰,蒋敏,孔军.  传感器与微系统. 2018(03)
[2]基于多层卷积神经网络特征和双向长短时记忆单元的行为识别（英文）[J]. 葛瑞,王朝晖,徐鑫,季怡,刘纯平,龚声蓉.  控制理论与应用. 2017(06)
[3]用于跨库语音情感识别的DBN特征融合方法[J]. 张昕然,巨晓正,宋鹏,查诚,赵力.  信号处理. 2017(05)
[4]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)
[5]基于深度学习的人体行为识别算法综述[J]. 朱煜,赵江坤,王逸宁,郑兵兵.  自动化学报. 2016(06)
[6]人体动作行为识别研究综述[J]. 李瑞峰,王亮亮,王珂.  模式识别与人工智能. 2014(01)
[7]基于Tri-Training和数据剪辑的半监督聚类算法[J]. 邓超,郭茂祖.  软件学报. 2008(03)
[8]基于多区域分割的步态表示与识别算法研究[J]. 杨军,吴晓娟,彭彰,陈文刚.  计算机学报. 2006(10)
[9]结合强度和边界信息的非参数前景/背景分割方法[J]. 陈睿,邓宇,向世明,李华.  计算机辅助设计与图形学学报. 2005(06)
[10]运动图像序列的人体三维运动骨架重建[J]. 庄越挺,刘小明,潘云鹤,杨骏.  计算机辅助设计与图形学学报. 2000(04)

博士论文
[1]基于视频和三维动作捕捉数据的人体动作识别方法的研究[D]. 赵琼.中国科学技术大学 2013

硕士论文
[1]停车场异常行为识别方法研究[D]. 邹佳运.四川师范大学 2014



本文编号：3058884