基于深度学习的异常行为识别与定位的研究与实现

目录

声明

第一章 绪 论

1.1 研究背景与意义

1.2 深度学习的现状与发展

1.3 行为识别的发展及现状

1.3.1 传统行为识别技术方法

1.3.2 基于深度学习的行为识别方法

1.4 本文主要工作

1.5 本论文的结构安排

第二章 基础理论和相关技术

2.1 神经网络相关理论技术

2.1.1 卷积神经网络单元

2.1.2 梯度下降算法

2.1.3 误差反向传播算法

2.1.4 激活函数

2.2 主流特征提取网络分析

2.3 卷积神经网络结构及应用分析

2.4 模型训练相关技术

2.5 本章小结

第三章 基于动态IoU的多尺度特征融合行为检测算法

3.1 行为检测网络FANet的提出

3.2 特征提取网络的设计

3.2.1 ResNet模块概述

3.2.2 特征提取网络的设计

3.3 多尺度特征融合

3.4 改进的RPN与动态IoU的设计

3.4.1 原始RPN网络介绍及存在的问题

3.4.2 动态IoU的设计

3.5 类金字塔模型

3.6 FANet网络的设计及实验分析

3.6.1 FANet整体网络的设计

3.6.2 网络的结构参数

3.6.3 网络的训练及实验分析

3.7 本章小结

第四章 MP-R3D行为分类网络的设计与实现

4.1 时空卷积网络的设计

4.2 多纤维网络

4.3 MP-R3D的整体结构

4.4 网络的训练及结果分析

4.4.1 训练数据集简介

4.4.2 网络训练过程

4.5 实验结果分析

4.6 本章小结

第五章 异常行为级联网络的监控平台

5.1 级联网络概述

5.1.1 级联网络的运行过程

5.1.2 级联网络的优缺点分析

5.2 智能监控平台的需求分析

5.3 监控平台的系统概述

5.4 平台的总体架构

5.5 平台模块的详细介绍

5.5.1 异常行为后台服务端与数据库的实现

5.5.2 异常行为识别客户端的实现

5.6 模型训练效率的提升

5.7 本章小结

第六章 全文总结与展望

6.1 全文总结

6.2 后续改进及展望

致谢

参考文献

攻硕期间取得的研究成果