基于人体关节点数据的攻击性行为识别

针对人体攻击性行为识别问题，提出一种基于人体关节点数据的攻击性行为识别方法。首先，利用OpenPose获得单帧图像中的人体关节点数据，并通过最近邻帧特征加权法和分段多项式回归完成由人体自遮挡和环境因素所导致缺失值的补全；然后，对每个人体定义动态"安全距离"阈值，如果两人真实距离小于阈值，则构建行为特征矢量，其中包括帧间人体重心位移、人体关节旋转角角速度和发生交互时的最小攻击距离等；最后，提出改进的LightGBM算法w-LightGBM，并对攻击性行为进行识别。采用公共数据集UT-interaction对所提出的攻击性行为分类识别方法进行测试实验，准确率达到95.45%。实验结果表明，所提方法能够有效识别各种角度的攻击性行为。     

基于深度学习的人体异常行为检测综述

如今,从大量视频流中手动搜索异常事件是一项艰巨的任务,而基于深度学习的人体异常行为检测不仅省时省力,且决策能力相对可靠,从而保证了公共安全。首先回顾了异常行为检测任务的传统机器学习方法并引入深度学习方法;然后概述异常事件的定义与人体异常行为检测的过程;最后详细介绍了基于深度学习的人体异常行为检测方法。     

基于关节点特征的跌倒检测算法

针对跌倒检测算法中存在网络计算量大和类跌倒行为难以区分的问题,提出一种基于关节点特征的跌倒检测算法。首先,在目前先进的CenterNet算法基础上提出了深度可分离卷积CenterNet （DSC-CenterNet）关节点检测算法,从而在减少骨干网络计算量的同时准确检测人体关节点并获取关节点坐标;然后,基于关节点位置和人体先验知识来提取可充分表达跌倒行为的空间特征和时间特征作为关节点特征;最后,把关节点特征向量输入全连接层,并经Sigmoid分类器输出跌倒或非跌倒两种类别,从而实现人体目标的跌倒检测。实验结果表明,所提算法在UR Fall Detection数据集上对不同状态变化下跌倒检测的平均准确率达到98.00%,区分类跌倒行为的准确率达到98.22%,跌倒检测速度为18.6 frame/s。与原CenterNet结合关节点特征跌倒检测的算法相比,DSC-CenterNet结合关节点特征算法的跌倒检测速度提升了22.37%,提高后的速度可有效满足视频监控下人体跌倒检测任务的实时性。该算法能有效提高跌倒检测速度并对人体跌倒状态进行准确检测,且进一步验证了基于关节点特征的跌倒检测算法在视频跌倒行为分析中的可行性与高效性。     

基于Kinect的人体单关节点修复算法研究

人体姿势识别是人机交互发展中的关键技术,基于Kinect的人体姿势识别技术已成为研究热点。但人体在运动的过程中,经常会出现关节点被身体其他部位遮挡的情况,导致识别准确率下降。本文通过对人体单个被遮挡点进行研究,根据人体运动连续性和关节点自由度约束,提出了一种人体单关节点修复算法。经实验验证,本算法可有效修复单个被遮挡关节点,提高人体姿势识别准确率。     

一种基于关节点信息的人体行为识别新方法

为了提高机器人服务的主动性与智能性,使用Kinect体感设备获取人体的关节点数据解决人体行为识别问题.首先,利用Kinect采集人体关节点坐标,构造用于表示人体结构的3维空间向量,然后计算结构向量之间的角度和向量模的比值,进行人体姿态描述,同时以一段时间内连续的姿态序列作为行为表示特征量,最后选用动态时间规整(DTW)算法计算测试行为模板与参考行为模板之间的相似度以实现行为识别.实验结果表明,选用的行为表示特征量具有旋转与平移不变性.另外,对人在日常生活中的6种行为进行了识别实验,结果表明本文的行为识别算法可以取得较好的识别效果.     

基于外观模型的人体下肢关节点定位方法

近年来,人体下肢关节点定位成为了人体运动跟踪与分析中一个重要研究课题。提出了一种下肢关节点自动定位方法,从无关节标记的人体运动图像序列中定位下肢关节点。该方法首先采用背景剪除技术从图像序列中分割人体目标对象,并建立人体下肢骨架模型。然后,利用关节角度预测方法估计膝踝关节点的位置,在基于下肢外观模型的匹配计算基础上获得下肢关节点的真实位置。实验结果表明,该方法简单有效,下肢关节点定位结果令人满意。     

基于视频的人体异常行为识别与检测方法综述

作为计算机视觉的重要分支,异常行为识别与检测技术已在智能安防、医疗监护、交通管控等领域获得了广泛应用.对异常行为的界定及判别方法与场景因素紧密相关,针对不同应用场景特点,适当选择特征提取及异常行为识别与检测方法,进而保证预警准确率,在实际应用中至关重要.基于此,对基于视频的人体异常行为识别与检测方法进行综述,首先给出人体异常行为的定义、特点及分类;其次,对特征提取方法进行总结,特征提取方法的选取及提取特征的好坏直接影响后续判别结果;再次,从异常行为识别和异常行为检测两个角度对异常行为判别方法进行分析和讨论,给出常用异常行为检测数据集及相关算法表现;最后,对本领域未来研究方向提出展望.     

基于人体关节点的多人吸烟动作识别算法

吸烟检测已成为公共场所禁烟的重要措施,基于视频图像的吸烟动作识别已广泛用于吸烟检测中。使用深度学习的方法进行图像处理,需要大量数据集训练模型。现有的吸烟动作识别方法的准确率和实时性不够理想,且多只针对一个人进行动作识别。为解决这些问题,提出了一种通过检测周期性动作来识别多人吸烟动作的方法。在进行了大量的实验后发现吸烟行为是有节奏和周期性的,对此具体分析了吸烟行为的周期性并制定了吸烟行为规范;利用人体关节点信息,关注关节点的运动轨迹,检测运动轨迹是否符合周期性规律从而实现吸烟动作识别;同时跟踪多人关节点的信息,以实现多个人实时吸烟行为的识别。实验结果表明,该方法可以达到91%的准确率,在各种情况下都可以保持较高准确率和鲁棒性。     

基于骨架的人体异常行为识别与检测研究进展

人体异常行为识别与检测技术已广泛应用于各种领域.由于视频中存在的物体遮挡、光照及视角变化、复杂背景等问题,使得利用轻量级人体骨架数据处理此类实时任务成为竞争性工具.多数研究从不同角度对此任务相关方法进行综述,但缺少针对人体骨架的整理工作.对此,立足于骨架数据,系统地综述了深度学习背景下的人体异常行为识别与检测方法.首先,按照应用场景中目标个数的不同,分类总结了典型的人体姿态估计算法;其次,依据特征提取网络的不同,将异常行为识别方法分为5类,分别围绕CNN、RNN、GCN、Transformer以及混合模型展开对比分析;然后,从数据与标签的映射学习角度,对3类异常行为检测方法进行讨论;最后,介绍了基准数据集及其上相关算法的表现,并探讨了此任务所面临的挑战及展望,以期为本领域未来的研究提供参考.     

基于矩形拟合的人体检测

提出了一种在单幅图像中检测人体的新算法.将人体看作由躯干和四肢构成.用一个四边形拟合躯干,用一个或者两个四边形拟合每个肢体.人体检测就是寻找满足一定几何和拓扑约束的四边形组合.首先检测与拟合图像中的矩形区域,然后搜索满足几何和拓扑约束的矩形组合.如果该矩形组合的概率大于阈值,则调整各个矩形顶点的坐标,以便得到一个紧凑的人体模型表示.最后,重新计算该紧凑模型的概率.实验结果表明,该方法可以用于基于内容的图像检索以及基于视频的人体运动分析.     

基于滥用检测和异常检测的入侵检测系统

随着Internet的高速发展，网络安全问题越来越引入注目。在层出不穷的黑客技术中，内部攻击始终占据着很大的成分；与此同时，现有的防火墙技术不能满足人们对网络安全的要求，因此所谓的入侵检测系统越来越多地引起了人们的重视。文章介绍了一种异常检测方法和一种滥用检测方法，并根据所描述的方法构造了一个入侵检测系统，实验证明，该系统可以检测到已知的大部分的入侵行为。     

基于kNN算法的异常行为检测方法研究

阐述了异常行为检测的相关概念,介绍了kNN算法,探讨了异常行为检测与分类技术的关系。结合kNN算法的优点以及异常行为检测与分类的相似性,提出了基于kNN算法的异常行为检测方法,给出了其计算方法,并确定了检测的过程,分析了该方法的特点和优势。基于kNN算法的异常行为检测方法通过不断的自学习,会成为信息安全的一道有效防线。     

基于时空特征点的群体异常行为检测算法研究

提出了用时空特征点描述群体行为的新方法。首先对比分析时空Harris角点、Gabor小波、Hessian矩阵三种特征点提取方法,选择了基于Hessian矩阵的尺度不变方法提取特征点;分别采用梯度直方图、光流直方图以及时空Haar特征三种方法对特征点构建描述符。采用Bag-of-words策略对正常行为建模,使用基于EM估计的高斯混合模型建模产生关键词,根据关键词为每一视频片段建立一个带有概率分布的编码向量,形成编码表。异常行为的检测是将测试样本的编码向量与训练样本编码表进行比较,计算相似度距离,当最小距离大于阈值时,判该群体行为异常。在UCF和UMN两种群体行为数据集下的实验结果表明,该方法能够对群体异常行为进行有效识别,对尺度变化以及背景光照变化等具有较好的适应性。     

基于Harris兴趣点区域的图像拷贝检测算法

提出一种使用Harris 兴趣点的拷贝检测方案.首先通过Harris检测器提取图像的局部特征点,然后构建以Harris兴趣点为中心的多重圆环区域,并计算圆环区域的信息熵,作为特征向量,通过比较特征向量之间的距离,判断局部领域的相似性.最后通过特征点的全局一致性检测,判断检测图像是否为原始作品的拷贝.实验表明该拷贝检测方法对图像的几何变换具有很强的鲁棒性,同时也能抵抗大多数的信号处理攻击.     

联合探测的发现概率问题研究

以要地防空为背景,先后研究了单雷达探测概率模型和单雷达发现概率模型,然后得到多雷达联合探测的发现概率模型,并得到了多雷达联合探测时发现概率与发现距离的关系.通过算例结果分析可知,采用多个雷达进行联合探测,可较大地提高目标的发现距离,特别是对小目标或隐身目标发现距离的提高具有重要的意义.     

基于不同背景噪声的联合检测技术

提出一种简单、实用的联合检测技术,将经典的基于能量和过零率的双门限法与基于小波变换的子带能量法巧妙地结合起来进行语音信号的端点检测,充分利用双门限法算法简单、实时性好、准确率高,小波子带能量对高斯白噪声区分性能强的特性。仿真结果表明新算法能提高检测系统在噪声环境下端点检测的准确率。     

基于网络流量分析的入侵检测技术的研究

本文介绍了入侵检测系统的概念、分类和常用的入侵分析技术，对常见的引起流量异常的原因进行了简单的介绍，并设计了一种使用时间序列分析的网络流量异常检测的实时入侵检测系统原型，用于监测局域网的网络流量。该流量异常检测系统能够对整个局域网或者一些核心服务器和主机的异常流量进行识别和判断。     

基于网络流量分析的入侵检测技术的研究

本文介绍了入侵检测系统的概念、分类和常用的入侵分析技术,对常见的引起流量异常的原因进行了简单的介绍,并设计了一种使用时间序列分析的网络流量异常检测的实时入侵检测系统原型,用于监测局域网的网络流量。该流量异常检测系统能够对整个局域网或者一些核心服务器和主机的异常流量进行识别和判断。