基于联合轨迹特征的徘徊行为识别方法

徘徊行为判定作为异常行为识别的热点难题,目前存在难以构建具有场景特定性的识别模型问题.特定场景下的行人轨迹数据,或是有标签,或是无标签,针对如何利用特定场景下有标签轨迹数据信息问题,结合行人多种轨迹特征,提出基于分类函数的徘徊行为识别模型,能够通过分类函数自动学习该场景下有标签轨迹数据中的徘徊行为模式;针对如何利用特定场景下无标签轨迹数据信息问题,提出基于异常检测的徘徊行为识别模型,能够在大量无标签轨迹数据中自动学习潜在的徘徊行为模式.基于两种徘徊行为识别模型,提出徘徊行为识别框架,能够利用目标跟踪算法获取特定场景视频中行人的轨迹数据,并根据数据是否带有标签合适地构建对应的具有场景特定的徘徊行为识别模型.为了验证所提模型的有效性,选用CASIA-AR公开数据集作为测试集,和三种基准模型一起,在行走、奔跑和徘徊行为的识别上进行了对比实验.实验结果表明,所提模型在测试集上的准确率和召回率都优于基准模型,F1指标也有提升,验证了所提模型的有效性、场景特定性和迁移性.     

基于轨迹能量扩散图的组行为识别方法

为解决基于轨迹的行为识别的轨迹时间信息丢失和轨迹噪声问题,提出了一种基于轨迹能量扩散图的组行为识别方法.轨迹能量块图可以有效地保存组行为轨迹的时间信息;轨迹能量扩散图可以平滑因运动不确定性产生的噪声.利用基于典型相关分析的特征融合算法实现多特征融合,保证了组行为特征信息的多样性.实验结果表明:对于包含7种组行为的567个视频序列,该方法的识别精度达87%以上.     

基于混合遗传算法的图像分割识别方法

本文基于遗传算法（GA）与共轭梯度法（CG），提出了一种混合算法，将其用于图像分割问题寻求最佳阈值，该方法具有遗传算法的全局搜索能力和共轭梯度法的强大局部搜索的特点。试验结果表明，新算法具有快速收敛性和全局最优性。     

基于遗传算法的超声检测图像分割识别方法

基于钎焊电触头焊接质量超声成像无损检测的原理，针对超声图像分割过程中阀值难以确定的问题，以灰度图像的直方图熵作为评价标准，把图像阈值分割问题定义为一个优化问题，利用遗传算法寻优的高效性；搜索到能使分割质量达到最优的分割参数－－图像分割阈值，据此阈值可以区分出超声图像中的缺陷部分与焊合区域，因此对于后续的焊接缺陷识别具有重要的意义，实验结果表明，该算法分割切实可行，有效地缩短了寻找阈值的时间。     

基于行为指纹的网络设备识别方法

根据其静态特征进行网络设备识别忽视了固件版本对设备安全性的影响,为此本文提出一种采用行为指纹的设备识别方法。首先通过高精度授时方案采集网络设备转发数据包时的处理时延,然后借助遗传算法提取时延分布特征,进而生成设备的标准行为指纹,据此进行设备识别。实验结果表明,相比于静态指纹,行为指纹可反映设备的动态特征,能检测出设备固件版本的变化,提高了设备指纹的安全性。     

基于挥手行为的性别识别方法

提出利用挥手行为进行性别识别的方法.使用基于含时切平面的方法检测周期,用平均剪影表征一个周期序列的挥手行为,PCA降维后利用支持向量机进行分类.实验在60人(30男,30女)的数据库上进行.实验结果表明,用提出的算法从三种挥手行为(挥左手、挥右手、挥双手)中识别出性别的正确率达到89.83%或更高.实验还将人体分成5部分:手臂、头肩、腰、臀和腿,研究人体各组成部分对性别识别的贡献.93个对比实验结果表明,去掉手臂部分识别率下降最快;只通过手臂识别正确率达到86.44%或更高;使用两部分识别,手臂+臀部是最优组合;使用三部分识别,手臂+头肩+腰是最优组合.     

基于粒子滤波的行为识别方法

行为识别是图像处理的一个热点问题。一些研究表明在监督学习的框架下,通过提取时空兴趣点（Spatial-temporal interest points）能较好地识别人体的行为。由于兴趣点中包含与人体行为无关的噪声点,为了改进兴趣点的提取,提出了一种基于人体骨架的改进方法。该方法通过粒子滤波（Particle filter）算法改进人体骨架的精度,而改进后的人体骨架,能得到更有效的兴趣点。通过在“Weizmann”,“KTH”数据集的测试,实验结果表明,该算法不仅能够提高人体行为的识别,而且能够改进人体骨架的精确度。     

基于HMM的人体行为识别方法

从图像序列中进行行为识别,是一个在计算机视觉中研究的相对活跃的领域。在本文中,我们提出一种新的基于HMM的算法,使用的阈值和表决自动有效地细分和识别复杂的活动。     

基于用电多注意力的独居老人风险识别方法

为解决中国城市独居老人健康监护难的问题,本文提出一种基于用电多注意力的独居老人风险识别方法。通过新一代智能电表采集独居老人的历史用电数据,提取独居老人各类型电器的用电特征;通过多注意力机制学习独居老人的电量趋势、负荷波动等特征,建立独居老人用电指纹。在此基础上,将当前独居老人的用电数据与用电指纹数据进行比对,判断独居老人是否存在风险。在某城市社区应用该方法,识别准确率达96.7%。该方法通过电力数据实现了独居老人风险识别,提升了政府的独居老人管理水平。     

基于阈值分割和区域生长的车牌识别方法

【目的】改善车牌定位的质量,提高车牌识别的正确率和效率。【方法】联合使用阈值分割和区域生长算法进行车牌定位,使用垂直投影法进行字符分割,并使用字符模板匹配方法实现车牌字符的识别。【结果】基于阈值分割与区域生长的车牌识别方法能准确地识别出车牌号,识别率高,运行速度快。【结论】该方法实时性较好,具有一定的实用价值。     

基于表面凹凸度的未知物体分割识别方法

为了使机器人在人们的生活中更加普及和大众化,并从一定程度上优化机器人对周围环境的认知功能,设计了一种利用目标物体表面凹凸度对该物体进行分割识别的方法.该方法对目标物体局部表面凹凸性的两类判定方法展开了系统性的探讨和分析,将连续局部表面凹凸度对布尔型判定进行替换,利用表面凹凸度和法方向信息这两个要素设计了一类全新的分割权重运算方法,进而为输入场景构造相应的无向带权图,在这之后结合快速图分割算法获得相应的目标物体.实验结果表明,本文方法与基于凹凸性的判定方式相比,基于凹凸度的量化衡量在针对测量噪声和计算误差中具有的鲁棒性更好,实际分割结果比单一结合了法方向的实验结果好,更符合实践需求.     

基于相对熵度量的行为识别方法

行为识别技术是一种可用于智能视频监控的生物识别技术。本文提出一种基于信息论中相对熵概念的行为识别算法。训练过程使用Parzen方法估计概率分布函数,测试过程则将图像序列投影到低维特征空间,使用相对熵作为判断两种不同行为的相似度函数,在Weizmann数据库上测试的结果验证了算法的有效性。     

基于Latent SVM的多视角行为识别方法

为了在静态图像中获取有效信息, 构建行为模型, 提出了行为覆盖区 ACA(Action Coverage Area)和行为核心 AC(Action Core)的概念, 基于 Latent SVM(Support Vector Machine)目标识别方法, 设计了一种多视角行为模型 MVAM(Multiple Viewpoint Action Model)。 建立了独立的用于行为模型训练和测试的行为数据库。 实验表明, 该表示法对静态图像中的人体行为能有效地进行分类和检测。     

一种通用的基于图像分割的验证码识别方法

针对粘连、扭曲,且存在干扰噪声的验证码图像识别性能欠佳的问题,结合卷积神经网络提出一种通用的基于图像分割的验证码字符识别方法。首先对传统Otsu阈值分割算法的阈值选取策略进行改进,提出基于局部最优阈值分割的Otsu法对验证码图像进行二值化处理。其次,采用改进的融合字符积分投影特性的复杂验证码字符分割方法对存在粘连情况的字符进行二次分割。最后,将分割得到的单个字符归一化后直接输入到基于卷积神经网络的LeNet-5模型中进行训练和识别,并输出识别结果。大量网站验证码图像的实验测试结果表明,提出的方法对粘连、扭曲,且存在干扰噪声的字符验证码图像有着较高的识别率和适应性,有效克服经典方法对于不同种类验证码识别的针对性和局限性。     

基于加速度传感器的建筑工人施工行为识别方法

对建筑工人施工行为的自动化识别是建设施工质量安全以及工作效率实时管理的核心方法,需要建筑、信息、管理等多领域交叉集成。该文以钢筋工为例,利用加速度传感器在工地现场采集钢筋工施工过程中手腕处运动的加速度数据,将钢筋工的所有行为分为3类。从加速度数据中提取特征值,应用分类器进行机器学习实验并进行精度对比,得出最佳分类器和最佳特征值。实验结果表明:最佳特征值与数据片段长度有关;在一定范围内,数据片段越长,识别精度越高;识别精度最高达到了85.9%,与以往研究相比,对工人行为的分类更细致且达到的精度更高。该研究为工程现场典型工种的动作识别提供了方法,为建筑工人行为的自动化实时监控、施工质量安全和效率管理奠定了基础。     

一种基于双流网络的行为识别方法

针对视频行为识别任务,提出一种基于双流网络的行为识别方法.首先,该网络采用稀疏采样的策略,避免相邻帧的冗余信息对识别效果产生影响;其次,利用卷积神经网络预测光流图,提高光流图的获取效率,并降低计算量;最后,使用残差网络提取完成的视频信息,同时简化神经网络的训练过程.为验证双流行为识别网络的有效性,在两个经典数据集上进行对比实验,实验结果表明,该双流行为识别网络识别效果较好,可应用于智能视频监控、人机交互、公共安全等领域.     

基于主动行为表达的高效互动识别方法

提出一种将两个人的互动分解为主动行为和被动行为的新方法，以实现更有效的行为识别，并创建了一个包含6种复杂人体行为的新数据集 K3HI，其中包括踢、指、拳击、推、交换物品和握手。对每一种主动行为提取出其关节、面和速度3个特征，并对这3个特征序列进行分析从而判断其行为。通过采用自己的数据集，利用连续的隐马尔可夫模型（HMMs）对主动行为识别方法和传统两人互动行为识别方法进行对比分析。结果表明，本文识别方法相比于传统方法更准确，并且可缩短样本训练时间，体现了其综合优势。     

基于迁移学习的危险行为识别方法研究

深度学习中卷积神经网络在行为识别领域有着良好的识别效果,但是由于深度学习需要较大数据集训练模型,而现今公开数据集中危险行为识别相关方向没有大量数据集。针对危险行为识别领域样本少、无法进行深度学习训练等问题,建立了危险行为识别数据集,并采用迁移学习方法对C3D网络模型进行迁移训练。结果表明,迁移学习后C3D网络模型对危险行为识别数据集平均识别率达到了83. 2%,可以有效识别危险行为动作。     

轨迹聚类的车辆再识别方法

车辆再识别旨在从多个视域不重叠的监控视频图像中检索出身份一致的车辆.由于实际场景的光照、视角以及背景的复杂变化,车辆再识别一直是计算机视觉领域极具挑战的热点问题.针对车辆再识别任务,提出一个同时利用车辆图像对之间的视觉相似度和时空约束的双流模型(tcReID),其视觉分支使用ResNet50作为骨干网络来评估视觉相似度...     

一种基于Radon变换的车牌图像分割和识别方法

从Radon变换的定义出发,论述了Radon变换检测直线的原理,并将它应用于车牌图像分割.在1幅含有车牌的图像中,进行边缘检测后,车牌所在矩形框往往是由多条直线组成,当投影方向与直线方向一致时,Radon变换取局部极大值.由此,首先找出Radon变换在0°附近的局部极大值,该值对应于原始图像中的1条接近垂直的直线,然后,寻找次局部极大值,对检测出来的若干条这样的直线聚类,根据计算结果沿垂直方向剪切原始图像;同理,找出Radon变换在90°附近的局部极大值,沿水平方向剪切原始图像.这样,可将车牌所对应的矩形从复杂的背景中分割出来.