基于深度学习的人体行为识别网络设计

基于深度学习的人体行为识别技术是计算机视觉领域的重要的研究方向,是智能视频监控、虚拟现实、视频检索等领域的关键技术,有重要的研究价值。本文主要针对视频中的人体行为进行识别,围绕人体行为识别网络展开研究。针对目前人体行为识别相较于图像识别的特殊性,提出基于3D卷积神经网络的特征提取与训练方法,通过采用3D卷积层搭建DenseNet,从而提高网络中的特征利用率,提升神经网络的识别率。最后实验结果证明了本文所采用的方法在提高人体行为识别的识别率上的有效性。     

基于流形学习的视频中文文本检测算法

提出了一种基于流形学习的视频中文文本检测算法.算法重点针对文本图像和非文本图像的特征提取、流形降维、分类器训练等关键部分进行了改进,对人为收集的文本图像样本与非文本图像样本进行特征提取,并使用等距离映射的流形学习算法来完成特征降维,最后使用支持向量机来完成分类器训练,获取文本与非文本检测分类器,完成视频中文文本检测.实验结果表明,算法具有明显优越性,在检测可靠性和准确度上有较大提高,具有一定的实用意义.     

一种改良的最大方差展开算法

本文受流形学习思想的启发,提出了一种改进的最大方差展开算法,该算法在最大方差展开算法（MVU,maximumvarianceunfolding）基础上引入了拉普拉斯特征映射（LE,Laplacian Eigenmap）的保持局部流形结构不变的特性,在保持局部几何结构的同时考虑类别信息将不同类的数据尽可能远地在子空间中进行映射,该算法兼具流形和监督特性。通过在多个人脸库中的实验表明,该算法具有一定的鲁棒性和较高的识别性能,达到了较高的提取分类信息和压缩特征空间维数的效果。     

室内视频监控中孤寡老人异常行为检测与告警

本文运用三帧差与背景差融合算法获取目标轮廓,通过Surendra算法更新背景去噪后得到目标完整轮廓。通过人体外接矩形长宽比,运动目标的下落速度以及异常行为停留时间作为评估因素,判断出运动目标此时所处的行为状态,最终给出相应的告警方式。实验表明本方法可以检测到老人的行走、下蹲、摔倒等不同的行为并告警,算法鲁棒性好。     

基于流形学习降维技术的研究概述

流形学习是近几年发展起来的降维方法,它能够发现非线性高维数据中的内在低维结构,从而实现非线性降维.目前,流形学习已成为机器学习和数据挖掘领域的研究热点问题.本文主要介绍了流形学习的基本思想,综合了几种主要的流形学习算法,分析了其优势和不足.     

基于深度学习的人脸追踪安防监控系统

针对现有监控系统存在的问题,提出了结构创新和算法改进,构建人工智能中的深度学习Tensor Flow神经网络框架,通过树莓派控制摄像头读取当前监控环境,用OpenC V进行图像分析处理并自动跟随人脸转动,实现了无死角的监控和对人体流量识别及检测,具有夜视镜头跟踪人物断电续航的功能,还可用手机实时查看监控及控制摄像头转动。一旦检测到有害气体或识别嫌疑人,立即启动声光报警并发送警报给用户手机,及时作相应响应处理,提供更智能有效的防护,在监控、家庭安全隐患检测等方面有着极其重要意义。     

MOG2算法在区域入侵检测的应用

随着视频监控技术的发展,视频监控更加高清化、网络化、智能化,同时,安防领域中也对视频监控提出更多要求。监控系统能够对监控视频进行分析,具有对视频中的人物检测或者预警等功能,这样在减少人力、物力资源的投入,同时也能提高监控的质量以及效率。本文提出用MOG2算法检测区域是否存在异常,以便给予警示,提醒工作人员帮忙等,对于提高人们生活安全具有重要意义。     

基于时序差分算法的线损异常判别优化研究

为了提高电网监控智能化,降低线损计算误差,提出基于时序差分算法的线损异常识别优化模型,识别异常线路和异常点。遍历各线路的线损数据,利用自适应差分算法判别各线路的线损率波动是否正常,提取异常线路集。通过时序差分化发售电数据的平滑性质和前后关联性质,识别定位异常数据在时序序列上的位置。基于先验知识对异常数据进行修正,给出修正后的线损率。研究发现,修正后的线损率准确性有较大提高,该算法可以在一定程度上解决负荷数据异常导致的线损计算率偏差问题。     

人脸识别的核方法研究

基于核方法的子空间分析方法在高维空间中有解决非线性问题的优势,在提出的LMDA和流形上的线性回归方法的基础上,把LMDA算法拓展到高维空间,提出了基于核的LMDA算法,同时,由表达定理出发,用核回归方法估计数据与流形上的局部坐标之间的变换矩阵,推出了流形上的非线性回归算法.     

特殊行业中人员高危行为视觉监控系统仿真

在一些高危的特殊行业中,操作人员的行为是否规范,一直是行业监督的重点。传统的监控方法以人工监控为主,无法做到高效与及时,为此提出一种特殊行业中操作人员高危行为视觉监控系统方案。利用员工操作区域固定场景采集操作人员行为图像,通过图像预处理、人体姿态定位与标准模式阀值识别等相关技术手段设计实现了一套特殊行业中操作人员高危行为视觉监控模型。在识别过程中通过利用手部姿态、相关货物飞行的位置关系与手臂连线的灰度直方图构建特征向量,完成判断。以物流行业为例,仿真实验表明,该方法取得了较好的识别效果,可以对物流分拣过程的标准化过程进行有效的监控。     

基于RFID概率泛函的人体运动受力行为分解

对人体体育运动训练过程中的受力行为进行分解建模,可以定量分析人体受力特征,为实现多传感器信息融合的运动受力行为识别奠定基础。传统方法中采用熵聚类泛函的人体运动神经元受力行为分析方法,无法实现对复杂运动状态下的人体受力缺失数据的模拟和分析。提出一种基于RFID缺失数据概率泛函的人体运动受力行为分解,将加速度传感器与RFID结合,采用缺失数据概率泛函算法对感知的运动关节节点进行受力行为分解,提取了不同传感器节点输出信号关联特征,实现对人体运动特征行为分解算法和模型的改进。实验结果表明,该模型能准确采集到人体的上体和下肢的运动受力数据,受力行为分解准确具体,定量刻画人体在各种运动模型下的受力特性,从而指导运动训练,应用价值较高。     

基于计算机视觉的网约车车载智能监控系统研究

提出一种基于计算机视觉的网约车车载智能监控系统,构建了先进的机器视觉解决方案框架,采用Haar-like特征结合视频帧间检测算法,智能检测人脸并实现异常行为的自动预警。可及时发现乘车过程中的安全威胁和潜在危险,防患于未然,实现保护网约车乘客安全的目的。     

基于老年人摔倒行为识别模型的计算机视觉监控系统

提出了一种松弛变异遗传算法的老年人体摔倒行为挖掘算法。利用主成份分析方法对采集的随机图片进行降维处理,该机制通过固定较大或较小的基因位来体现摔倒行为特征的寻优性能,每次基因位的固定都能改变遗传算法的寻优空间,在新的空间中存在旧空间中不能被观察到的摔倒行为特征信息。实验结果表明,利用改进后算法能够有效提高老年人体摔倒行为挖掘的准确性,从而有效对人体摔倒行为进行识别,丰富系统功能。     

基于E-Learning随机场学习的信任节点定位算法

提出一种基于E-Learning随机场学习的信任节点定位算法,采用SVM监督学习辅助策略降低新标记样例中可能的误标记样例数以减少新训练集的噪声,设计富信息策略训练学习器,基于KKT原理,把训练ELM的过程等同于解决下面的对偶优化问题。通过E-Learning随机场学习,充分利用算法对噪声具有鲁棒性,实现对了个性化推荐网络信任节点的定位算法改进。仿真结果表明,该算法能准确定位到个性化推荐网络的信任节点,为P2P商家推荐和信任评估提供数据基础,信任节点定位的准确性优越于传统算法。算法采用E-Learning随机场学习,学习过程中不需要调整大量参数,所以算法学习速度快,尤其适合处理大规模的不平衡数据集分类问题,提高了个性化推荐网络信任节点的定位准确性。     

基于灰色关联的运动训练背景下肌体行为特征检测

在复杂运动训练场背景下对运动员的肌体行为特征的准确检测是实现运动技术行为跟踪和识别的重要基础,在比赛监测和训练指导方法具有重要的应用价值。运动场景具有不确定性,图像背景具有跳变性,检测较为困难。提出一种基于灰色关联的运动训练场景背景下的运动员肌体行为特征检测算法,人体在进行复杂场景模式的训练和肌体作用下,特别是在如足球运动、跑步运动时,骨骼围绕着关节作为支撑进行矢状面内的运动,通过对人体肌体的驱动模式动力学进行建模分析,采用先分割再填充的方法,获得不重影、不抖动的图像,通过灰色关联分析准确识别运动训练背景下的人体肌体行为特征,编制运动员的肌体行为识别软件系统,通过运动录像解析系统准确及时地反馈运动信息,提高体育运动训练的科学化水平,促进训练和比赛质量的提高。实验结果表明,该算法能满足运动场景中的全方位多尺度信息采集的肌体动作识别的要求,误检率较传统算法低,性能较好。     

基于模糊PID控制的网络异常流量监控设计

在大型网络系统中,会因为网络拥堵或者病毒入侵产生网络异常流量,通过对网络异常流量的监控系统设计保障网络的安全稳定。传统的网络异常流量监控系统采用BP神经网络控制算法,由于BP神经网络的结构单一性,对异常流量中干扰性较强的数据难以有效检测发现,提出一种基于改进的模糊PID控制的网络流量异常监控系统设计方法,在流量传输模型和时间序列分析模型构建的基础上,提取异常流量序列的定量递归熵特征,采用模糊PID神经网络控制方法进行流量监控系统设计,把监控到的异常流量通过链路信道回馈给输出层。仿真结果表明,采用该方法进行网络异常流量监控,能准确检测出异常的频谱特征,从而在时域上进行追溯定位,实现流量异常点的准确检测,对异常流量的准确检测概率比传统方法高。     

基于梯度的拥挤场景异常检测算法

针对在极度拥挤场景下,由于场景中包含了过多的人和物,同时由于人力的限制,无法快速找出异常行为的问题,提出了一种基于梯度的拥挤场景异常检测算法,该方法通过将视频进行分割,然后提取梯度信息,计算高斯模型参数,再应用SOM(自组织映射)进行分类从而找出异常行为。     

民航安检隔离区监控暴恐人群动作特征研究

对民航安检隔离区监控视频中人群动作识别并做出智能处理判断,从而及早发现暴恐人群动作特征,有效制止犯罪、恐怖活动的发生为维系社会稳定发展具有一定的意义。提出一种对建立的混合高斯模型是否相匹配的方法,对监控视频采用小波去噪方法对数据影像进行处理,通过背景建模分割,首先将典型的运动部分划分出来,之后仅对划分出的部分采用HOG算法进行特性区分,使用SVM来进行分类的手段建立混合高斯背景模型。实验结果表明,基于视频人群行为特征POI数据与混合高斯背景模型的匹配度来检测异常人群,可以快速有效地判断出暴恐人群动作特征,为民航安检提供技术支持。     

基于嵌入式视觉技术的军事禁区人员监控

通过对军事禁区人员的视觉特征提取提高军事禁区的人员监控和识别能力。提出一种基于嵌入式视觉技术的军事禁区人员监控技术,系统采用4台计算机,3台显示器,虚拟现实设备设计,整个系统的控制是通过连有手控器的计算机来实现军事禁区人员的视觉特征提取,构建视觉特征提取的状态方程和观测方程,对嵌入式视觉特征进行运动属性分析和图像处理,实现人员监控特征分析算法改进。仿真结果表明,该系统能有效实现远距离视频监控和人员特征识别及嵌入式视觉定位,测距误差较低,对军事禁区人员的监控精度提高,对远程监控视频特征的场景恢复性能较好,能有效识别人员的行为和视觉特征,性能优越。     

改进LEACH算法在煤矿安全监控中的应用

提出了一种改进型LEACH算法。将能量因素加入到阈值计算公式中,均衡了节点的能耗。同时,针对重要参数难以通过实验的方式进行评估的问题,基于改进型LEACH算法建立了无线传感器煤矿安全监控网络的仿真模型,利用NS2仿真平台对其重要参数进行了仿真分析。分析结果表明,改进型LEACH算法能均衡节点的能量消耗,有效延长网络的运行时间,并且,通过仿真实现了系统模型参数的优化,验证了安全监控网络实施的可行性。