基于智能监控的中小人群异常行为检测

针对人群异常行为检测实时性较差、分类算法识别率不高、特征量较少的问题,提出一种基于智能监控的中小人群异常行为检测算法。首先,利用快速群体密度检测算法,提取人群数量变化信息;其次,利用改进的Lucas-Kanande光流法提取视频中人群的平均动能、人群方向熵、人群距离势能;最后,利用极限学习机(ELM)算法对人群行为进行分类。使用UMN公共数据集进行测试,ELM算法对中小人群异常行为分析比中高密度人群异常行为检测算法和基于KOD能量特征的群体异常行为检测算法识别率分别高出7.13个百分点和5.89个百分点,并且人数密度估计部分平均每帧图像处理耗时相比中高密度人群异常行为检测算法减少了106 ms(近1/3)。实验结果表明:基于智能监控的中小人群异常行为检测算法能有效提高异常帧识别率和实时性。     

基于全方位视觉的独居老人监护系统

现有的独居老人监护系统存在算法复杂度高、监护效率低、不能保护老人日常隐私等问题。为此,提出一种基于全方位视觉的独居老人监护系统。利用全方位视觉传感器(ODVS)获取老人的全景视频图像,设计运动历史/能量图像算法用于目标跟踪,根据ODVS的成像特点,采用与ODVS距离位置不同的人体模型实现姿态识别,建立家庭空间与环境要素之间的映射关联,以提高行为检测的鲁棒性和可靠性,并通过ODVS标定和人体对象跟踪获得老人的活动量信息。实验结果表明,该系统的鲁棒性和实时性较强,检测准确率较高,能满足独居老人监护的需要。     

基于光流的ATM机异常行为实时检测

异常行为检测在自助银行智能监控系统领域中有广泛的应用前景.本文针对此应用领域,提出了基于区域光流特征的异常行为检测方法.首先利用混合高斯模型来表示背景像素的变化并自适应更新背景模型,用背景差法从视频序列中提取运动前景;采用lucas-kanade光流法计算出运动区域内的光流信息.采用基于幅值的加权方向直方图描述行为,计算区域内直方图的运动熵发现候选异常区域,再利用支持向量机进行分类.从实验结果可以看出,能够较好的识别出异常事件,并且实时性较好,能够满足实际应用需求.     

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。     

基于多特征融合网络的独居老人行为识别研究

为了识别独居老人的行为，选用NTURGB+D120数据集的23个医疗与日常行为类别的多场景视频作为数据集，并设计了一套高效特征融合策略。该策略改进了SlowFast网络的输入方式，使得改进后的网络能够同时处理输入的两个不同特征的图像序列，实现向量上的合并融合。实验结果表明，将使用AlphaPose网络获取的骨骼信息嵌入在红、绿、蓝（Red Green Blue,RGB）与红外图像序列中，作为网络输入，并得到行为识别的Top-1准确率与Top-5准确率，分别为91.58%与90.00%，与RGB单特征输入的Slow Fast网络识别的准确率相比较为提升。     

基于机器视觉的行人异常行为检测方法

常规的行人异常行为检测方法使用编码-解码器进行记忆寻址，易受到记忆大小和稀疏度的影响，导致帧级AUC偏低，因此基于机器视觉设计一种全新的行人异常行为检测方法。结合检测图像的初始状态处理噪声、增加平滑度，提高行人异常行为检测性能，再利用机器视觉技术量化动态参数，输出异常行为轨迹特征，实现行人异常行为检测。实验结果表明，在不同场景下，本文设计方法的检测帧级AUC始终较高，获取的检测结果较清晰，说明本文设计方法具有一定的应用价值。     

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.     

教室监控下学生异常行为检测系统

针对教室监控中学生异常行为无法实时检测并反馈的现状,设计了一套基于YOLO v3算法的教室监控学生异常行为检测系统,包括摄像头硬件采集、异常行为识别和响应三个模块.其中采用基于数据标签的随机擦除预处理方法模拟图像中的目标被遮挡的情形,提高网络的泛化能力,使得网络仅通过学习局部特征即可完成目标的检测和识别;其次改进了YO...     

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.     

基于系统调用时间特征的异常行为智能检测系统

深入研究系统调用异常检测方法存在的不足,针对单纯依据序列或系统调用频率不能完整表示进程行为等问题,提出以研究系统调用的先后顺序以及系统调用之间的稳定性作为重要特征,提取系统调用特征向量,利用机器学习分类算法实现异常检测的新方法。提出的异常检测方法具有模型体积小、特征明确、报警准确率高等优点。静态数据测试结果表明利用系统调用时间特征描述进程行为是可行的;实时环境实验结果表明系统在真实环境下占用资源少、不影响程序及网络本身的运行效率,同时用户击键特征识别实验结果表明了时间特征对行为检测的有效性。     

基于VC的智能甲醛监测软件设计与应用

目前工厂对生产过程中甲醛计量的监测仍存在较大空白,对此设计符合工厂环境的多点甲醛监测装备,并基于此开发了远程控制软件,即智能甲醛监测软件。该软件基于VC++的开发平台采用面向对象的C++语言,运用SQLite数据库及PlotLab可视化设计完成编程。软件最终实现网络化、智能化监控,具备可拓展性、移植能力强等特点,通过测试显示,运行稳定。     

基于试验点自动识别的飞行试验智能化监控技术

试验点作为飞行试验任务的最小组成单元,明确了试验机所要完成的任务及要求,是飞行效果评估的主要依据。深入分析试验机在完成不同试验点时的参数变化特征,结合领域专家人工识别的先验知识,提取影响试验点识别的关键参数及其变化规律。构建试验点识别知识库,设计试验点自动识别算法。结合飞行试验实时任务评估技术,开发基于试验点自动识别与智能评估的飞行试验实时监控系统,实现了从"智能化安全监控"到"智能化任务监控"的转变,有效提升了试验机的试飞效率。     

基于云计算的智能健康监测系统设计与实现

设计一种基于云计算的智能健康监测系统,实现人体多体征参数的检测、监护和健康干预,为慢性病防治和不良生活习惯纠正提供了积极有效的解决途径。系统由智能监测设备、应用终端和云平台三部分组成。通过监测心电、血氧、血压、血常规等体征参数,判断受检者的健康状况,当发生异常可及时预警。该系统监测参数多、实时性能高,可实现数据的远程传输、处理和展示,有助于建立健康监测新模式。     

基于用户行为分析的广告欺诈点击检测

在网络广告业中出现的欺诈点击行为,使得搜索引擎企业以及广告主的利益受到了严重损害,致使点击付费模式遭到质疑,欺诈点击已经成为阻碍网络广告业健康发展的一大顽疾。针对网络广告业发展所面临的此种困境,提出一种基于用户行为分析的广告欺诈点击检测技术。首先创建用户行为数据仓库,然后运用贝叶斯分类方法对用户行为数据进行点击合法等级预测,最后结合博弈控制机制对用户点击有效性进行最终判断。     

基于物联网的智能家居远程监控系统设计与实现

为了以较低成本实现家居的智能化远程监控,设计一种基于物联网的智能家居远程监控系统。采用Zig Bee、WIFI技术将家电、摄像头、控制器等组成物联网,实现对家电的远程控制和无线视频传输。以JN5139芯片为核心设计了各个Zig Bee终端节点,采用星型网络实现Zig Bee无线组网;以ARM11 S3C6410控制板为核心设计了无线视频监控模块。阐述了Zig Bee无线组网流程和数据帧结构;通过视频压缩编码,降低了视频图像的计算复杂度;采用AT命令驱动EM560 3G模块实现短信传输。系统测试结果表明:该系统Zig Bee无线组网时间约1 s左右,Zig Bee无线通信距离最大可达100 m左右,无线视频传输速率为250 Kb/s,完全满足家庭远程监控的需求。系统具有开发成本低、操作方便、功耗低等优点,具有一定的应用推广价值。     

室内视频监控下基于混合算法的人体异常行为检测和识别方法

针对目前室内人体异常行为检测和识别中照明变化、遮挡、相机移动和背景等因素对检测准确性的影响,提出一种多技术混合跟踪方法。该方法基于连续自适应均值漂移(CAMS),引入校正背景权重直方图(CBWH)和无味粒子滤波(UPF)技术处理遮挡和相似颜色对象的干扰。采用基于稀疏表达的检测方式从多种场景对目标对象的异常行为进行检测和识别,并利用均方误差统计量评估所提方法的性能。同时在公开数据集UMN上进行仿真验证。实验结果表明,该方法在不同场景中有障碍物遮挡或是具有相似颜色的其他对象情况下都能准确检测和识别目标对象。此外,该技术还可能进一步改善复杂场景下多摄像机中目标对象的跟踪性能。     

基于SOA的智慧河道水质监测预警平台设计及应用

针对传统河道管理体系中水文站点分布多、散、面广,水质样本采集方式耗时耗力,各部门间"信息孤岛"等问题,设计基于SOA的智慧河道水质监测预警平台.使用LPWAN技术,构建低功耗、远距离水质数据在线采集系统,通过SOA架构实现多源异构数据接入;通过PSO-BP算法及AR算法对采集到的数据进行水质分析和预测.平台实现了"云管...     

基于智能手机的室内定位

针对基于wifi指纹的室内定位中存在的定位精度不高的问题,提出一套基于加权三点定位的wifi指纹定位系统。首先利用最近邻匹配方法进行wifi指纹定位,选择出参考点;其次利用多个参考点进行加权三点定位。实验表明,相对于单独使用wifi指纹定位技术,该系统可以有效提高室内定位的精度和稳定性,并具有较高的实时性。     

智能监控和诊断系统(IMDS)广义监控模型及结构研究

针对集成制造环境,提出智能监控和诊断系统的概念,建立了系统的总体集成结构;为解决智能监控和诊断系统内部运行及集成机制问题,提出建立系统广义监控模型,包括局部监控模型、协调监控模型和集成监 模型,分别对它们的智能内涵进行了研究,基于广义监控模型,建立了包含单元级监控、协调级监控和集成级监控的系统分层控制结构,并对它们进行了详细探讨。