异常行为检测

摘要： 基于图像的人体异常行为检测方法,当人数增多、遮挡等情况发生时,人体行为数据信息可靠性较低,检测精度不高、自适应性差,本文提出一种基于姿态特征的异常行为检测方法解决上述问题。利用成熟的人体姿态识别技术提取视频中人体关节点数据,将关节点坐标转化为人体行为的角度特征和距离特征以表达人体姿态;应用机器学习方法对关节特征进行分析和处理,获取有利于标识异常动作的数据分布特征;采用聚类算法在视频序列中对异常行为进行标记;使用支持向量机识别具体异常动作种类,实现人体异常行为检测。实验结果表明,相比于基于图像检测的方法,该算法检测精度达到了89.65%,可以运用于室内人体行为检测。

摘要： 视频异常检测作为计算机视觉的重要分支,是智能监控系统中一项极具挑战性的任务,通常是指自动识别视频中的异常目标、行为或事件,对保障公共安全起着至关重要的作用。生成对抗网络是一种新兴的无监督方法,不仅可以用于生成图像,且其独特的对抗性学习思想在异常检测领域也显示出良好的发展潜力。介绍了生成对抗网络的框架结构;根据场景密度以及行为发生的对象,从个体行为异常、群体异常两个方面论述了生成对抗网络在视频异常检测领域的研究现状,分别基于重构和预测的方法对个体异常行为检测和群体异常行为检测作进一步阐述;简要介绍了视频异常检测的常用数据集;最后对未来发展作出了展望。

摘要： 论文针对自动扶梯情境提出了一种基于目标检测的自动扶梯乘降人员异常行为检测算法,通过聚类分析选出最佳的预测框,通过上采样和下采样结合的方法提取强化乘降人员的行为特征,强化神经网络的特征融合能力,根据训练后的模型对扶梯乘降人员行为进行分类检测,检测乘降人员的异常行为,实验结果表明该算法对扶梯乘降人员异常行为有良好的检测效果,能有效提高自动扶梯乘降人员的安全。

摘要： 传统的标注法在云计算机平台数据溯源的过程中,无法精准地查询数据,溯源准确率低,因此,提出基于感知哈希的云计算平台异常行为数据溯源方法。该方法通过设计数据的触发机制,区分数据的产生源头,提取异常行为导致的数据,并且对异常数据进行收集、存储以及可视化呈现,进而建立数据溯源的信息模型,根据模型的应用范围,构建溯源数据的可信存储结构,同时结合感知哈希算法甄别溯源信息模型,并且输出溯源信息。实验结果表明,设计方法检测的有效性更高。

摘要： 电梯运行环境相对密闭,是打架等异常行为的多发场所。针对电梯轿厢内发生的打架等以方向混乱、动作速度快作为主要特征的异常行为,提出一种基于金字塔LK光流法的异常行为检测方法。首先,获取视频帧中的角点作为特征点,利用光流法预测特征点位置,对运动矢量进行描述并表示成光流图,通过速度大小筛选出有效光流点,消除背景中的噪声光流点干扰,提取运动目标。然后,利用每帧图像中光流点的平均速度与方向直方图熵的乘积定义运动混乱度,作为异常检测的判断依据。最后,设定相应阈值,判断是否发生异常行为。通过对自拍摄的模拟电梯内乘客正常行为和异常行为的数据集进行验证表明,上述方法可以取得良好的检测效果,并且能满足实时性要求。

摘要： 提出了一种基于运动分析的行为检测方法,用于行人异常行为的检测。利用HSV色彩空间变换法抑制阴影,利用三帧法建立初始化背景模型。将所提取的连续三帧图像的背景像素进行填充融合以实现背景图像的重构,进而更新背景图像,最终完成背景图像的建立。将大津法(Otsu)和背景差分法进行融合以自适应检测前景目标,将目标区域的质心差值、矩形宽高比和倾斜角度的多个特征进行融合,判定异常目标的异常行为。采用国际视频以及自己拍摄的视频进行实验,结果表明该方法能够准确判别行人的行走、跌倒、奔跑行为,并对可能发生的异常行为进行预警,检测准确率最高可以达到97%。

摘要： 为更好利用输入视频的时域特征,提升异常行为检测精度,采用三维自编码器为主体的网络分支编解码视频的时空域信息,提出改进光流融合策略的时域分支提供额外时域信息。将双分支结果融合并计算重建误差,在此基础上进行异常行为的判断。针对目前像素评价指标的不足,提出一种改进的像素级别检测指标。结果表明,融合后的结果好于各分支单独的结果,且优于近年方法。可见网络分支与时域分支互为补充,进一步提升了模型的整体检测效果。

摘要： 为了满足对大规模视频数据的异常行为检测的需求,基于视频帧重建和帧预测的方法被广泛研究.但由于监控视角下背景环境是几乎不变的,因此会浪费大量的资源在不变的背景上,同时也不利于检测目标信息的提取.为了解决这个问题,本文使用无监督学习的视频帧预测策略,利用生成对抗网络学习正常行为的特征以生成效果较好的预测帧,并且拟采用注意力驱动损失来缓解异常行为检测中前景目标与背景环境失衡的问题,同时使用空间-通道注意力机制(CBAM)来增强模型生成器的预测效果.经在公共数据集UCSD Ped1和UCSD Ped2的测试和验证,在Ped1数据集上的检测精度达到了83.5%,在Ped2数据集上的检测精度达到了95.8%.与经典的异常行为检测算法以及原始基于生成式对抗网络异常检测算法比较,本文所采用的方法进一步提高了异常行为检测的准确率.

摘要： 针对交通道路中车辆的异常行为辨识问题,提出了一种基于轨迹分析的车辆异常行为辨识方法。利用改进的Hausdorff距离计算轨迹的相似度矩阵,根据谱聚类算法学习轨迹的空间分布模式,利用最小平均距离提取运动模式的中心轨迹并根据轨迹的位移向量学习方向模式。在此基础上对新轨迹进行空间与方向模式混合匹配,通过匹配结果检测方向异常的车辆。与此同时,对每类运动模式进行速度特征提取,将95%的行驶的速度作为正常速度区间,5%的行驶的速度作为异常速度区间。通过数据集验证了该方法可以准确地识别出速度异常的车辆,具有一定的实际应用价值。

摘要： 互联网时代下,传统养老照护模式已经无法适应新型养老行业的发展.因此本文提出一种基于多传感器序列的异常行为检测模型,该模型能够在分布式、无干扰的传感器网络环境中监测老人生活,检测行为异常,并给出健康预警.文中通过类比生物信息学中蛋白质序列的表示方法,将多维传感器序列转换成一维序列.采用词袋模型,将划分后的不等长子序列映射为等长子序列.选择基于Calinski-Harabasz指数的层次聚类算法,识别出用户日常行为模式.最后,结合用户健康状况下日常行为活动的高斯分布,及FRS(Fuzzy Reasoning System)模糊推理系统,检测出用户的异常行为(天).实际数据结果表明,该模型能够有效识别用户的起床、就餐、用药、如厕等多种日常活动及其规律,异常行为天检测的F1均值达到近90%,并给出对比实验.

摘要： 宽带卫星网络作为典型的通信基础设施,属于国家网络安全等级保护制度所重点强调的一类保护对象.针对宽带卫星网络中的异常行为检测问题,引入知识图谱的构建及推理技术,分别以破坏业务信息安全和系统服务安全的典型网络攻击为案例,抽取安全实体、属性及其关系,建立宽带卫星网络的安全知识图谱,利用机器学习方法进行图谱推理,实现对网络异常行为的检测.

摘要： 基于大数据分析技术,提出了针对校园电子邮件系统暴力破解的识别方法,该方法可以检测出低频率和分布式暴力破解攻击,并在此基础上结合校园网特点,使用多种校园网数据,提出并实现了基于情景感知的电子邮件异常行为检测系统.

摘要： 该文针对视频检测算法中选取合适的图像语义特征提取算法的困难和检测计算效率不高的问题,提出了一种基于狄利克雷多项式共轭隐马尔科夫模型的视频异常行为检测算法.首先提出了狄利克雷多项式共轭模型用于抽取视频的底层特征的语义特征,接着将该模型与隐马尔可夫模型相结合进行视频异常行为的检测.复杂的人群流动场景下的实验结果表明,该方法能够挖掘出人群流动行为模式,也能检测出场景中的异常行为,同时具有较高的计算效率和检测性能.

摘要： 将最大最小概率机应用于人体异常行为检测的研究,采用基于混合高斯模型的背景更新算法与帧间差分法实现运动人体检测,采用运动目标最小外接矩型的宽高的动态特征作为异常行为的特征,并运用MPM分类器对输入的视频图像序列进行识别,从而实现异常行为的检测.实验表明,该算法对人体异常行为检测具有较强的鲁棒性.

摘要： 寻找合适的监控数据源对网络异常行为检测至关重要。网络流量作为基本的网络信息载体在近几年得到了充分的研究。针对传统NetFlow网络流模型无法描述网络用户行为交互特征的问题，本文提出了一种交互式网络流模型。该模型根据数据包特征，将前向数据包和后向数据包进行聚合，形成描述网络用户交互行为的特征参量。结合异常行为检测的需要，首先分析了交互式网络流的特点，发现网络中存在大量的不完整网络流。随后分析了不完整网络流大小、协议等特征。进一步分析发现这些不完整网络流是由个别网络用户产生的，据此可以断定这些不完整网络流产生者是网络中的异常用户。最后，本文利用可逆Sketch方法对不完整网络流产生者进行准确定位。实验结果表明，本文所提出的方法对于多种类型的网络异常行为具有良好的检测效果，可以准确的定位出网络中不完整网络流的严生者，为网络异常行为的控制奠定了基础。

摘要： 云计算系统由于规模巨大、行为复杂、运行时组成部件失效频繁,其系统可靠性、可用性面临重大挑战.异常行为检测是提高云计算系统可靠性、可用性的重要辅助机制.日志数据由于其普适性被广泛应用于云计算系统异常行为检测中.本文基于日志数据对云计算系统进行异常行为检测,针对日志数据量巨大导致异常检测效率低下的问题,从线程级日志序列出发,将异常检测问题建模为线程序列模板匹配问题,并基于Hadoop平台进行故障注入实验.实验结果表明,本文提出方法在保证一定精确度的前提下能实现线程日志序列的快速匹配,进而辅助提高异常检测效率.

摘要： 本发明公开了一种基于归纳式一致性异常检测的异常行为实时检测方法。该方法既能充分考虑目标的位置、速度和运动方向信息，又采用了归纳式一致性异常检测的思想，可以在大大减小计算量的情况下实现对目标异常行为的实时检测，具体包括以下步骤1，定义相关变量；步骤2，初始化；步骤3，对测试航迹中的每个子航迹进行实时异常检测；步骤4，当前测试航迹中的每个子航迹都异常检测完成后，更新训练航迹数据集；步骤5，对多因素定向Hausdorff距离矩阵进行更新；步骤6，对下一个测试航迹进行实时异常检测。该方法具有参数设置简单、准确率高、能够实时检测的优点，而且工程易实现，在预警监视领域有广阔的应用前景。

摘要： 本发明实施例公开了一种基于目标异常行为轨迹分析的异常事件检测预警系统，包括：目标行为轨迹采集装置、云台摄像机和服务器，目标行为轨迹采集装置获取目标的行为轨迹后将实时数据传送至服务器，服务器通过训练好的异常事件报警模型对实时数据进行比对，检测到目标行为或轨迹存在异常则发出告警信息，所述云台摄像机采集异常事件发生区域的图像对告警信息进行确认，云台摄像机采集的道路实时画面存储在服务器内，所述服务器将验证后的告警信息发送至监控中心，监控中心将服务器发送过来的告警信息进行确认并进行展示对公众或第三方系统发出预警。本发明解决现有异常事件检测系统检测精度低、部分事件类型无法检测、无法提前预警的问题。

摘要： 本发明公开了一种基于归纳式一致性异常检测的异常行为实时检测方法。该方法既能充分考虑目标的位置、速度和运动方向信息，又采用了归纳式一致性异常检测的思想，可以在大大减小计算量的情况下实现对目标异常行为的实时检测，具体包括以下步骤1，定义相关变量；步骤2，初始化；步骤3，对测试航迹中的每个子航迹进行实时异常检测；步骤4，当前测试航迹中的每个子航迹都异常检测完成后，更新训练航迹数据集；步骤5，对多因素定向Hausdorff距离矩阵进行更新；步骤6，对下一个测试航迹进行实时异常检测。该方法具有参数设置简单、准确率高、能够实时检测的优点，而且工程易实现，在预警监视领域有广阔的应用前景。

摘要： 本申请公开了一种文件行为检测基线确定及文件行为异常检测方法、装置，包括：构建文件系统的初始基线以得到当前基线；当监测到针对所述文件系统的实时文件行为，则提取所述实时文件行为的特征以得到目标特征；基于所述目标特征更新当前基线；判断当前基线是否达到预设稳定条件，若当前基线达到所述预设稳定条件，则将当前基线确定为文件行为检测基线。这样，通过监测针对文件系统的实时文件行为，基于实时文件行为的特征更新基线，实现基线的自学习，直到基线达到稳定状态，能够提升基线构建效率，并且能够提升检测准确率。

摘要： 提供与有无异常音的学习数据无关、可以生成用于异常音检测的特征量提取函数的异常音检测学习技术。异常音检测学习装置包括：根据变分自动编码器的最佳化指标，更新输入的特征量提取函数以及特征量逆变换函数的第一函数更新单元(3)；根据正常音的学习数据提取正常音的音响特征量的音响特征量提取单元(4)；使用提取的音响特征量更新正常音模型的正常音模型更新单元(5)；使用正常音的学习数据以及输入的特征量提取函数，求与作为规定的值的伪阳性率ρ对应的阈值

摘要： 本发明实施例公开了一种基于目标异常行为轨迹分析的异常事件检测预警系统，包括：目标行为轨迹采集装置、云台摄像机和服务器，目标行为轨迹采集装置获取目标的行为轨迹后将实时数据传送至服务器，服务器通过训练好的异常事件报警模型对实时数据进行比对，检测到目标行为或轨迹存在异常则发出告警信息，所述云台摄像机采集异常事件发生区域的图像对告警信息进行确认，云台摄像机采集的道路实时画面存储在服务器内，所述服务器将验证后的告警信息发送至监控中心，监控中心将服务器发送过来的告警信息进行确认并进行展示对公众或第三方系统发出预警。本发明解决现有异常事件检测系统检测精度低、部分事件类型无法检测、无法提前预警的问题。

摘要： 本发明公开了一种在线视频异常行为检测模型训练、异常检测方法及系统，通过训练方法得到的异常行为检测模型为2D‑3D DSTAE自动编码器，其利用2D卷积神经网络在2D空间层面采用视频帧稀疏采样策略，以避免帧间信息的冗余；对于时空层面在较远帧间采取对特征图执行3D卷积的方式实现端到端融合，以编码长时程视频序列的帧间上下文信息，在兼顾实时性和准确性的基础上解决了模型在异常数据上不能获得较小的重构误差问题。在线视频异常检测方法及系统，采用了同时维护工作记忆组和新收图像组的在线视频处理框架，每次检测时通过从两组视频中各采样一半视频帧来更新工作记忆组，在保证检测准确度的前提下，有效的提升了视频异常行为检测的实时性。

摘要： 本申请实施例公开了一种异常行为检测方法、装置及行为检测设备，具体地，首先通过行为检测设备的音频采集模块获取当前环境中的音频信号，然后，对该音频信号进行分析处理，以判断当前环境中是否存在异常行为。当获得的分析结果为存在异常行为时，启动报警装置。同时将该异常行为信号和/或发生异常行为时的音频信号发送给远端设备，以便远端设备根据该异常行为信号和/或音频信号采取相应措施。可见，基于行为检测设备实时采集音频信号，并对采集的音频信号进行实时分析，当且仅当存在异常行为时，向远端设备发送该异常行为信号和/或该异常行为发生时的音频信号，无需实时向远端设备发送异常行为信号和/或音频信号，能够有效节省网络资源。

摘要： 本发明公开了一种基于异常追踪的视频异常行为检测方法，包括以下步骤：S1、视频异常检测与追踪模型的设计；S2、对视频提取前景块，再输入到卷积自编码器中编码再解码输出重构视频块，并训练卷积自编码器能学习到时空特征；S3、将时空特征用局部敏感哈希函数映射到不同的桶中，训练一对多支持向量机分类器；S4、利用分类器对测试视频块分类，将多个分类器的最高得分取负作为异常得分，设置阈值初步检测视频中的异常块；S5、用核相关滤波跟踪方法跟踪初步检测得到的异常块，对异常目标的区域进行矫正。本发明通过跟踪初步检测得到的异常块，纠正异常目标的位置，并对根据异常目标路径块得到的异常目标得分曲线平滑，去除噪声的影响，提高检测的精度。

摘要： 本发明涉及一种基于设备行为识别图的工业设备异常行为检测方法，包括以下步骤：构建当前时刻的设备行为识别图，该设备行为识别图中节点为行为事件的属性，边为任意两个属性间的共现关系，每个边具有一权重；引入初始权重机制、权重平滑机制、时间影响机制和周期影响机制，对所述设备行为识别图的进行权重变换；通过一事件表征提取器捕获进行权重变换后的所述设备行为识别图的设备行为事件表征；将所述设备行为事件表征作为一经训练的多层感知机的输入，得到当前工业设备存在异常行为的概率。与现有技术相比，本发明具有提高拦截异常行为的准确性和模型的鲁棒性等优点。