基于长短时记忆神经网络的异常行为识别研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-23页 |
| 1.1 课题背景及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-21页 |
| 1.2.1 行为识别概述 | 第13-18页 |
| 1.2.1.1 人体行为表征 | 第14-16页 |
| 1.2.1.2 行为分类 | 第16-18页 |
| 1.2.2 存在的问题和研究难点分析 | 第18-19页 |
| 1.2.3 行为视频数据库 | 第19-21页 |
| 1.3 本文研究内容 | 第21-22页 |
| 1.4 论文的结构与安排 | 第22-23页 |
| 2 扩展行为数据库及预处理 | 第23-34页 |
| 2.1 扩展行为数据库 | 第23-24页 |
| 2.2 常用的目标检测方法 | 第24-30页 |
| 2.2.1 高斯混合模型 | 第24-27页 |
| 2.2.2 码本法 | 第27-28页 |
| 2.2.3 Vi Be检测 | 第28-30页 |
| 2.3 视频图像降噪 | 第30-31页 |
| 2.4 实验结果和分析 | 第31-33页 |
| 2.4.1 数据库行人检测 | 第31-32页 |
| 2.4.2 CASIA数据库行人检测 | 第32页 |
| 2.4.3 扩展行为数据库行人检测 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 关键帧提取和行为关键语句表征 | 第34-40页 |
| 3.1 运动周期曲线 | 第34-35页 |
| 3.2 基于DTW的行为关键帧提取 | 第35-37页 |
| 3.3 行为关键语句表征 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 数据生成及数据增强 | 第40-47页 |
| 4.1 基于GAN的数据生成 | 第41-44页 |
| 4.2 基于DCGAN的数据生成 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 5 行为分类 | 第47-65页 |
| 5.1 LSTM行为分类 | 第47-55页 |
| 5.1.1 LSTM网络训练 | 第48-55页 |
| 5.2 实验及分析 | 第55-63页 |
| 5.2.1 实验环境 | 第55页 |
| 5.2.2 CASIA行为数据库实验 | 第55-59页 |
| 5.2.3 扩展数据库实验 | 第59-63页 |
| 5.3 本章小结 | 第63-65页 |
| 6 总结与展望 | 第65-66页 |
| 6.1 本文研究总结及创新点 | 第65页 |
| 6.1.1 研究总结 | 第65页 |
| 6.1.2 创新点 | 第65页 |
| 6.2 本文研究展望 | 第65-66页 |
| 6.2.1 本文研究不足 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71页 |
