人群行为分析研究进展

人群行为分析是计算机视觉领域一个新兴的研究方向,在智能视频监控、虚拟现实、视频检索等方面有着广泛的应用前景和巨大的经济价值.主要从数据库和分析方法两个方面对人群行为分析的研究进展进行综述.人群行为数据库主要包括行为数据库和监控数据库两种,对这两类数据库中比较典型的库进行了总结,并从人群行为的分解方法和识别方法两方面对人群行为分析方法进行了详细总结.将分解方法分为3种,分别指出了各种方法的优缺点.将人群行为的识别方法分为基于统计的方法和基于描述的方法两种,对它们进行了详细比较,并指出了识别方法的发展趋势.总结了人群行为分析的潜在问题,并展望了其发展前景.     

基于场景-部件的人体行为识别方法

基于部件的行为识别方法给图像行为识别领域提供了一种新的思路，即将人体行为识别看成是一种人体各个部件行为的组合。但是这种方法完全忽视了除人以外的任何东西，导致了某些姿态过于相似的行为无法区分。针对这一不足，在基于部件(Part-based)的行为识别方法基础上，提出了基于场景-部件(Scene-Part based)的行为识别方法。实验过程中利用卷积神经网络将部件和场景的外观特征转换为行为特征，并通过全连接层将所有特征连接，进行人体行为类别的最终判定。在Standford40和PASCAL VOC2012两种行为识别数据集上的实验结果表明，相对于基于部件的行为识别方法而言，基于场景-部件的行为识别方法能更好地区分相似行为，从而进一步提高行为识别的准确率，提升精度约为1%。     

煤矸石识别方法研究现状与展望

从煤矸石识别特征出发,对煤矸石识别方法的研究现状进行了总结,列举了密度识别法、硬度识别法等以密度、硬度等为识别特征的煤矸石识别方法,以及射线识别法、图像识别法等以灰度、纹理为识别特征的煤矸石识别方法的代表性研究成果,并对比了各种识别方法的特点。对煤矸石识别方法的研究方向和途径进行了展望,提出应全面分析、理解煤矸石的特征差异,研究符合煤矿绿色发展要求的煤矸石识别方法、快速高效的煤矸石图像识别方法、融合和创新现有方法的新型煤矸石高效识别方法。     

基于深度学习的人体行为识别方法综述

人体行为识别作为计算机视觉领域的重要研究热点,在智能监控、智能家居、虚拟现实等诸多领域中具有重要的研究意义和广泛的应用前景,备受国内外学者的关注。基于传统手工特征的方法难以处理复杂场景下的人体行为识别。随着深度学习在图像分类方面取得巨大成功,将深度学习用于人体行为识别方法中已逐渐成为一种发展趋势,但其仍然存在一些困难与挑战。首先,根据特征提取方法的不同,简单回顾了早期基于传统手工特征的行为识别方法;然后,从网络结构的角度着重对近年来一些基于深度学习的人体行为识别方法进行论述和分析,其中包括目前常用的双流网络架构和三维卷积网络架构等;另外,还介绍了目前用于评价方法性能的人体行为识别数据集,同时总结了部分典型方法在UCF-101和HMDB51两个著名的公开数据集上的性能;最后,从性能和应用两个方面对基于深度学习的人体行为识别方法的未来发展方向进行了展望,并指出了当前方法存在的不足之处。     

操作系统类型识别方法

回顾了各种传统的操作系统识别方法，并详细介绍了一种新出现的基于超时分析的识别技术。     

基于相似性搜索的异常用电行为识别方法

传统异常用电行为识别方法浪费大量人力与物力，且准确率较低、效果不佳，本文在大数据背景下，提出一种基于相似性搜索的商业园区异常用电行为自动识别方法。通过分析相似性搜索方法获得用户用电时间序列，采用趋势性指标、变化性指标、波动性指标以及其他指标分析商业园区异常用电行为，引用主分量分析与因子分析方法提取异常用电行为特征，凭借误差矩阵自动规整化数据，设定欧氏距离阈值实现商业园区异常用电行为自动识别。实验结果表明方法可降低计算难度，高效识别出异常用电数据，保证商业园区正常用电。     

一种基于用户行为状态特征的流量识别方法

针对当前业务流量的分类方式过于简略、识别结果不够确切的问题,提出基于状态特征的分类识别方法以精确识别流量数据中的用户行为。定义了网络通信中的用户行为并分析其特征,通过矢量量化技术结合主题模型方法从流量序列中提取行为状态特征,利用机器学习算法对状态特征建模,并按照用户行为的分类对流量进行识别。实验结果显示按照行为分类能更加详细地描述流量特点。在相同机器学习算法下,基于状态特征的行为识别方法准确度优于传统方法。     

基于改进CURE聚类算法的网络用户异常行为识别方法

由于传统异常行为识别方法无法对随时变化的异常行为实现精准识别，因此对CURE聚类算法作出改进，针对网络用户异常行为提出了一种新的识别方法。通过改进CURE聚类算法将用户的上网行为分为正常行为簇和异常行为簇，标记正常行为簇，并利用超矩形建模方式识别数据，分析正常行为簇在每个维度上的正常值域，判断其是否包含在所建立的超矩形内。如果在判定用户行为为正常，反之判断其为异常行为。仿真实验选取了学生上网行为数据，分四个时间段注入异常行为数据，结果表明，所提方法识别结果与设定情况一致，没有出现误识别或不识别现象，改进CURE聚类算法的网络用户异常行为识别精度较高，而且具有超高的效率。     

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。     

基于网络流内在特征的P2P业务识别技术研究

分析了几类主要的P2P业务识别方法,重点分析了基于流的内在特征的各种识别方法,并对其优缺点作出评价,指出了P2P识别技术进一步的发展方向.     

基于引用启发式和URL语义相结合的会话识别方法

会话识别是Web日志的用户行为分析的关键步骤, 精准的会话识别是有效进行用户行为分析的基础。已有的会话识别方法不能有效地动态适应不同的用户（如多IP单用户、单IP多用户）行为, 在Web日志分析的基础上, 提出了一种基于引用启发式和URL语义相结合的会话识别方法。实验结果表明, 改进后的会话识别方法能更有效地识别出用户的真实会话。     

基于深度学习的视频行为动作识别在无纸化考试中的应用

面向在无纸化考试中的视频行为识别应用需求，提出了基于深度学习的可疑行为识别方法。首先，分析考试视频，提取事件信息。其次，结合深度学习模型，将事件信息作为输入进行训练，以识别可疑行为。最后，基于考试视频数据集进行对比实验，评估所提出方法的准确率。实验结果表明，文章提出的卷积神经网络-长短期记忆网络（Convolutional Neural Networks-Long Short Term Memory,CNN-LSTM）组合模型适用于视频较长的应用场景，CNN-BiGRU适用于视频较短的场景。     

基于URL相似度的会话识别方法

随着互联网的快速发展,Web日志的用户行为分析已经成为互联网技术领域的研究热点之一.会话识别是Web日志用户行为分析的关键步骤,精准的会话识别是有效进行用户行为分析的基础.本文在IIS Web日志分析的基础上,提出了一种基于URL相似度的会话识别方法.实验结果表明,此方法可以有效的识别出用户的真实会话.     

多生物特征识别

生物特征的识别技术是一门利用人类特有的个体特征来验证个人身份的科学，它与 传统的基于口令和个人身份号码的识别方法相比更加可靠．本文先对各种不同生物特征识别 技术作了简要介绍，然后，介绍了多生物特征识别技术及其工作原理和方法，对生物特征识 别技术的应用前景和发展方向进行了分析．     

掌纹识别算法综述

掌纹识别作为一种新兴的生物识别技术, 近年来得到了广泛的关注与研究. 与其他生物特征相比, 掌纹有许多独特的优势,包括识别率高、采集设备价格低廉、用户可接受性好等. 这些优势使得掌纹识别成为一种有着广泛应用前景的生物识别方法. 本文首先介绍了掌纹的特点、掌纹的采集设备和预处理方法, 之后详细介绍了近几年来提出的各种掌纹识别方法. 根据特征提取以及匹配方法的不同, 本文将掌纹识别方法分为基于结构的、基于子空间的、基于编码的和基于统计的四类方法. 在回顾和比较了各种算法的特点之后, 对未来的掌纹识别方法的发展方向作了展望.     

骨骼信息的人体行为识别综述

基于骨骼信息的人体行为识别旨在从输入的包含一个或多个行为的骨骼序列中,正确地分析出行为的种类,是计算机视觉领域的研究热点之一。与基于图像的人体行为识别方法相比,基于骨骼信息的人体行为识别方法不受背景、人体外观等干扰因素的影响,具有更高的准确性、鲁棒性和计算效率。针对基于骨骼信息的人体行为识别方法的重要性和前沿性,对其进行全面和系统的总结分析具有十分重要的意义。本文首先回顾了9个广泛应用的骨骼行为识别数据集,按照数据收集视角的差异将它们分为单视角数据集和多视角数据集,并着重探讨了不同数据集的特点和用法。其次,根据算法所使用的基础网络,将基于骨骼信息的行为识别方法分为基于手工制作特征的方法、基于循环神经网络的方法、基于卷积神经网络的方法、基于图卷积网络的方法以及基于Transformer的方法,重点阐述分析了这些方法的原理及优缺点。其中,图卷积方法因其强大的空间关系捕捉能力而成为目前应用最为广泛的方法。采用了全新的归纳方法,对图卷积方法进行了全面综述,旨在为研究人员提供更多的思路和方法。最后,从8个方面总结现有方法存在的问题,并针对性地提出工作展望。     

基于神经网络的语音识别技术研究

对BP神经网络在特定人语音识别技术中的应用进行了探索性的研究，进而对非特定人语音识别做了一定的实验和研究。通过对比分析了传统的语音识别方法——模板匹配法和人工神经网络语音识别方法的优缺点。神经网络可以得到较高的识别准确度，但是训练速度慢是它的弱点，因此，针对经典的BP算法训练速度慢的缺点，对BP网络加以改进，提高网络训练速度，通过改进使神经网络用于语音识别的各种优越性充分发挥。     

Internet流量识别技术研究

流量识别是指根据网络流以及流中数据报文的某些信息将网络上的流分成若干既定的类别.随着网络的高速化,业务应用和协议日趋复杂,传统的基于端口的流量识别方法已经不够准确,因此各种新的识别方法成为研究热点.本文在介绍流量识别的基本概念、流量识别的评价指标的基础上,对目前正在使用或研究的流量识别方法进行了分析比较,指出了现有各种方法的优点和不足,最后给出未来流量识别技术的发展趋势和研究方向.     

一种用于恶意行为检测的规划识别方法

恶意行为检测是通过观察分析智能体一系列行为过程中的动作和行为识别其行为目的的方法.为了排除智能体行为的复杂性、误导性带来的影响,以隐马尔可夫为基础构造规划识别方法,综合分析多个智能体行为之间的关联关系推测行为目的性.文章提出恶意行为检测模型的整体框架,简述了复杂数据下的特征抽象方法,进而提出基于隐马尔可夫实现的规划识别...     

基于MHI与LBP表情识别的辅助异常行为识别

为了进一步提高家居环境中异常行为的在线识别能力,将运动历史图像与表情识别相结合,提出了一种基于MHI(MotionHistoryImage)与LBP(LocalBinaryPattern)表情识别的辅助异常行为识别方法。该方法通过运动历史图像辅助识别运动轨迹,同时利用LBP提取人脸特征,进行面部表情识别,进而辅助识别异常行为状态。实验结果表明,本文方法对异常行为的识别率有一定的提升。