行为识别

摘要： 智慧城市的迅速发展为人们的日常生活带来了极大的便捷,其中视频监控系统越来越智能化是信息技术逐渐成熟的必然结果.人体行为识别是智能安防监控领域的重要任务之一,但大量的边缘监控设备产生了井喷式图像视频数据,传统单一的云计算模式已无法全面有效地应对海量数据的计算与处理.提出一种大数据驱动下采用边云协同计算的人体行为识别机制,将以往中心化的计算扩展为边缘、云端协同处理.首先,在边缘节点n0对视频进行相似帧去除的预处理并对提取的骨架序列进行多层次表不,然后云端对时空图卷积神经网络(Spatial Temporal Graph ConvNet,ST-GCN)模型进行训练并将其部署至边缘节点N1-Nm,边缘节点使用训练好的模型完成行为识别任务并将结果上传至云端进行融合得出最终行为类别.实验结果证明,所提方案能有效减少以往中心化计算的网络传输量及云端存储压力问题,且边云协同的优势使得模型识别的准确率稳定提升了2.2%以上.

摘要： 电厂人员行为的准确识别与分析,对于维护电厂安全运行具有重要意义。文中使用融合运动特征的深度学习算法,建立了一套电厂工作人员的行为识别系统框架。为了提高动作识别精度、解决人体骨骼识别问题,通过引入图卷积网络建立多层时间空间融合的图卷积运算人体行为识别模型。针对单一网络检测准确率与鲁棒性低的问题,文中基于传感器网络建立了无线通信信道模型和电源管理方案,并得出视频传输优化方案,从而改善实际系统的通信质量。从实验验证结果可以发现,将所提算法搭载于多传感器网络中,对于电厂工作人员不安全行为的识别准确率可达90%以上,具有良好的工程应用前景。

摘要： 为有效判别高校学生在线作业中复制、代写、抄袭等不良现象,引入击键行为识别技术。根据不同应用场景构造了单字符间特征值、关键字字符串内特征值以及关键字字符对特征值,并结合神经网络算法构建了一种基于MC-LSTM的在线作业击键行为识别模型。以IT课程“数据库原理与应用”为例,设计并实现了基于MC-LSTM的在线作业行为识别系统,并测试了不同特征值及特征值组对识别效果的影响。实验结果表明,该系统能够有效判别在线作业自主完成情况,从而对在线教学质量提供保障。

摘要： 针对机场场面监控视频中存在多个飞机目标,且各种行为轨迹相似,难以通过轨迹进行行为判断的问题,提出了一种基于广播式自动相关监视(automatic dependent surveillance-broadcast,ADS-B)数据的机场场面多目标行为识别。首先,利用ADS-B信息通过透视变换的方法对视频中的所有飞机进行定位;其次,利用历史轨迹预测飞机一定距离之后未来时刻的位置,通过历史以及预测的目标位置划定每一架飞机的运动区域;最后,将多目标行为识别转换为多个单目标行为识别任务。在每一架飞机的运动区域中,通过多时间尺度的融合卷积完成对所有飞机的行为识别。针对性地制作了一个包含飞机各种行为的小型数据集为基于融合卷积的行为识别算法提供训练和测试,同时在多个具有ADS-B数据以及相应标定数据的场面监控视频中进行了验证,实验结果表明本文方法可以满足包含多个目标的机场场面飞机行为识别任务。

摘要： 党的十九大报告明确提出“发展残疾人事业,加强残疾康复服务”。在这样的时代召唤下,在目前人工智能、图像识别、行为识别不断取得新的进展的大背景下,为残疾人康复设计出一款基于视频的康复评测系统成为了一种可能。该系统的目的是通过给残疾人在康复过程中的康复动作进行打分,从而帮助残疾人朋友纠正不正确的康复动作,提高康复效果。本文通过系统设计,关键技术攻关,最后对系统做了较好的实现,其中关键技术攻关包括康复姿态识别的神经网络模型设计,模型实现和模型训练。该系统的设计与实现,为基于视频的人体行为识别技术在残疾人康复领域的应用做了很好的探索与尝试。

摘要： 针对现有基于视频整体时间结构建模的行为识别方法中,存在的时间噪声信息和歧义信息干扰现象,从而引起行为类别识别错误的问题,提出一种新型的Grenander推理优化下时间图模型(temporal graph model with Grenander inference,TGM-GI).首先,构建3D CNN-LSTM模块,其中3D CNN用于行为的动态特征提取,LSTM模块用于该特征的时间依赖关系优化.其次,在深度模块基础上,利用Grenander理论构建了行为识别的时间图模型,并设计了两个模块分别处理慢行为时间冗余和异常行为干扰问题,实现了时间噪声抑制下的时间结构提议.随后,设计融合特征约束和语义约束的Grenander测度,并提出一种时序增量形式的Viterbi算法,修正了行为时间模式中的歧义信息.最后,采用基于动态时间规划的模式匹配方法,完成了基于时间模式的行为识别任务.在UCF101和Olympic Sports两个公认数据集上,与现有多种基于深度学习的行为识别方法进行比较,该方法获得了最好的行为识别正确率.该方法优于基准的3D CNN-LSTM方法,在UCF101数据集上识别精度提高6.41%,在Olympic Sports数据集上识别精度提高5.67%.

摘要： 在分析深度学习的人体行为识别研究现状的基础上,详细介绍了视频预处理、特征提取和行为分类等人体行为识别的关键技术及其在医疗、安全驾驶、智能家居等方面应用,并对国内外标准化情况进行了梳理,最后提出人体行为识别的难点及建议。

摘要： 针对行为识别中时空信息分布不均衡以及对长时间跨度信息表征获取难的问题,提出了一种时间-动作感知的多尺度时间序列实时行为识别方法MRTP。以RGB视频为输入,使用两个并行的感知路径在不同的时间分辨率上对视频进行空间特征与动作特征提取。在空间路径中,使用基于特征差分的动作感知寻找并加强通道动作特征表征;在动作路径中,基于动作感知的权重对通道进行筛选,并加入通道注意力和时间注意力加强关键特征;在两个路径提取出特征后,对特征进行融合,融合后的特征通过激活函数映射出样本在各个类别的得分,取得分最高的类别为最终识别结果。实验结果表明:所提方法在UCF101数据集上达到了95.6%的准确率,优于未使用时间注意力的方法;在AVA2.2数据集上的平均精度达到了28%,优于未使用动作感知和时间注意力的方法。与目前主流的基于光流法的双流网络、以Slowfast为代表的3D卷积网络、Transformer等方法进行了准确率、参数量、处理速度对比,结果表明所提方法具有更良好的识别效果和鲁棒性。

摘要： 为了能够使网络空间提供更加可靠的信息,欺诈检测变得越来越重要,但现有的方法在检测欺诈用户时仅考虑了用户评论之间评论相同商品时形成的静态密集子图,而忽略了用户自身在评论时的异常行为,从而导致准确性较低,在实践中往往需要进一步手动验证检测结果的可靠性。针对此问题,提出了一种协同舆论欺诈检测(CPOFD)方法,该方法使用一种新的度量,即对比可疑度。该度量主要包括拓扑连接的信息,使得CPOFD方法能够通过拓扑连接、时间戳以及评分等信息有效检测欺诈者的异常行为,以更为聚合的方式检测欺诈群体。该度量强调了欺诈者和正常用户的动态对比,使得算法能够在拓扑连接、时间戳以及评分方面更为有效地检测欺诈者的异常行为。同时,CPOFD方法结合基于密度子图的聚类算法和决策树分类算法将社交网络中用户进行有效分组,且在聚簇分类时使用模拟退火算法进行剪枝优化,能更加简洁快速地寻找近似最优解,时间复杂度与欺诈者数量呈线性关系,具有较高的可扩展性。基于Yelp数据集的实验结果表明:CPOFD方法对欺诈舆论检测的准确度大多数在98%以上,验证了CPOFD方法的有效性。

摘要： 育成期蛋鸡的行为能够反映其健康状况和对环境的适应情况,为快速地识别蛋鸡的行为,提出一种基于蛋鸡轮廓特征的行为识别方法。首先获取蛋鸡俯视图图像,并对蛋鸡图像进行预处理,通过自动阈值分割法得到蛋鸡轮廓并进行拟合,提取出拟合轮廓的几何特征,然后对特征进行排列组合,得到四种特征组合并结合极限学习机(ELM)进行训练,得到最佳的特征组合,最后建立蛋鸡行为识别模型。该方法的平均识别时间为1.54 s,且识别率高,对单只蛋鸡的采食、站、卧和修饰的识别率分别为97.00%、94.46%、91.50%和86.64%。

摘要： 生产车间中常因作业人员的操作失误而引发事故,为降低其中的安全隐患,需要提高作业人员的操作规范性.本文提出一种基于Openpose的车间人员作业行为识别方法:以车间人员的作业行为姿态为研究对象,采集4种典型动作的视频流作为数据集;对数据进行预处理后,使用Openpose抽取每一帧中的人体关节点信息,并以此作为输入、以行为标签作为输出,通过长短期记忆网络(LSTM)进行监督学习、训练与优化,得到行为识别的深度网络模型;最后通过改进的滑窗算法对长时间的监控视频进行行为片段的提取,并作为输入导进模型进行实时的行为检测与识别.通过实验,该方法在测试集中达到了94％的识别准确率,可用于作业人员的操作规范性监测,保障车间的安全高效运作.

摘要： 提出了一种基于车辆行为识别的汽车前方碰撞预警方法.利用单目视觉,首先采用基于梯度方向直方图特征和支持向量机的方法识别前方车辆,并结合卡尔曼滤波进行车辆跟踪;然后使用隐马尔科夫模型对车辆行为进行建模,识别前方车辆行为,并根据行为识别结果计算对应的风险评估因子;最后将风险评估因子引入碰撞风险评估系统,使碰撞预警时间比未加入风险评估因子平均提前2.04s.实车实验验证了本方法的有效性.

摘要： 行为识别在视频监控领域有着广泛的应用,现有方法在线识别时需要较大的计算量,很难达到实时要求,此外限于训练集自身的原因,训练出的模型很难涵盖不同的现实场景中出现的行为动作,难以满足视频监控的需求.为解决这些问题,提出一种实时的使用连续多帧轮廓骨骼特征的不变视角行为识别方法.该方法能提出了一种新颖简洁的多支点骨骼模型(MPSM)对人体目标及行为进行表达,通过分析MPSM相关连续特征,对行为动作的模式进行识别.实验表明:该方法能在视频监控平台上对弯腰行走,提袋行走,跑动等行为动作进行较为精准的识别.

摘要： 本论文采用了时空特征点的方法进行行为识别，提出了一种该进的特征点的局部算子描述符。在处理整个视频文件的效率和速度上有一定的提高。主要的工作是将SURF算子描述符应用到cuboids检测符上，来提高识别率和运算速度。实验证明，和前人的工作相比，我们的识别率和运算速度都有明显的提高。

摘要： 我国自主的北斗导航系统在海洋渔船管理中应用较为成功,安装了北斗终端的海洋捕捞机动渔船有5万余艘,它能记录渔船的时间、航向、航速、经纬度位置,能够用于渔船作业的航次提取、类型识别、捕捞追溯、状态判断、捕捞努力量计算等信息的数据挖掘,并应用于禁渔区、协定区、休渔期内的非法捕捞行为识别,渔区内渔船的捕捞强度监控,渔场内捕捞渔获量估算,以及渔船的来源与去向追踪等,挖掘结果可为精细化的渔船管理提供丰富的数据参考.

摘要： 本文阐述了企业安全文化建立中开展不安全行为识别的必要性,从安全心理学角度分析了不安全行为产生的8种心理因素,客观分析企业HSE管理现状,重点对不安全行为识别工作开展不利原因进行剖析,总结了在提高员工参与积极性上的具体做法,对实施改进措施后的效果进行跟踪评价,通过案例分析归纳企业不安全行为的特点,提出持续改进工作思路.

摘要： 基于传感器的行为识别是环境智能中的一个关键问题,但是“该使用哪些种类的传感器?”以及“每种传感器该使用多少个?”都还是有待解决且具有挑选性的问题.针对这些问题,本文将提出了一种基于特征选取的方法来选择传感器.实验结果显示,在OPPORTUNITY标准数据集上,1)相比于加速度传感器和陀螺仪传感器,磁性传感器的识别效果较好;2)只使用被选取的5个最好的磁性传感器特征也能达到和使用全部传感器特征类似的识别准确度.

摘要： 通过把包含跳跃行为的视频看成含有X轴、Y轴、时间T轴的立方体,沿Y轴切开该立方体的方式,观察发现X-T切割平面存在正弦云图像特征,并且通过实验证明跳跃行为唯一具有这种特征.因此,利用这一发现,本文提出了一种识别跳跃行为的方法.用区域协方差描述子对跳跃行为X-T切割平面的正弦云图像特征进行描述,通过分析训练样本的漏检率和误检率得到最佳行为分类阈值,进而从不同行为中识别出跳跃行为。实验表明,本文提出方法能够较好地识别出跳跃行为,漏检率和误检率较小。

摘要： 针对视频监控中人体行为的识别问题，提出了一种新的人体行为识别模型和前景提取方法.针对人体运动过程中产生新行为的问题，采用分层Dirichlet过程聚类人体特征数据来判断是否有未知的人体行为产生. 用无限HMM对含有未知行为模式的特征向量进行有监督学习，由管理者将其添加到知识库中. 当知识库的行为模式达到一定规模时,系统可以无监督地对人体行为进行分析，其分析过程采用HMM中高效的Viterbi解码算法完成. 提出了基于背景边缘模型与背景模型相结合的前景检测方法，此方法能够有效避免光照、阴影等外部因素的影响，有效实现前景提取. 通过仿真实验证实了本文提出的方法在实时视频监控中人体行为识别方面较其他方法具有独特的优势.

摘要： 高速公路车辆超时行为是指车辆在高速公路上停留时间超出地方法规规定时间的行为.由于我国法律并未对高速公路行驶时长做出具体规定,关于高速公路超时行为及其惩处是否合理的讨论从未停止.本文从现有地方制度入手,分析了高速公路车辆超时的几种原因及解决途径,最终根据收费站收费数据建立了高速公路车辆超时行为的识别模型.该模型可以从一定程度上避免因交通拥堵等导致的超时误判并对并可为车辆高速公路逃费行为的事后稽查提供重要帮助.

摘要： 本申请提供一种行为识别模型训练及行为识别方法、装置及计算机存储介质，包括根据从训练样本中识别出的各骨骼节点，获取各所述骨骼节点对应的各归一化特征、各对称化特征、各中心化特征，根据各骨骼节点对应的各归一化特征、各对称化特征、各中心化特征，获取训练样本的多个训练特征组，根据训练样本的多个训练特征组、训练样本的行为标签，训练多个识别子模型，基于训练好的各识别子模型，获得训练好的行为识别模型。据此，本申请通过扩充训练样本的训练特征输入，可以有效提高行为识别模型的训练效果。

摘要： 本发明实施例公开了行为识别模型训练和行为识别方法、装置、系统及介质，其中，方法包括：获取目标对象的行为观察视频，并以预设时间间隔对所述行为观察视频进行切分得到多个视频片段；将经过行为类别标记的各视频片段作为模型训练样本输入到初始行为识别模型中，对所述初始行为识别模型进行训练；当所述初始行为识别模型的输出结果满足预设分类评价指标时，得到目标行为识别模型。本发明实施例的技术方案解决了现有技术中基于机器识别的行为识别模型训练时间成本较高的问题，实现了一种端对端的模型训练方式，且无需对采集到的视频数据逐帧标注，对输入的行为视频片断数据进行分析，得到对应的行为识别结果，降低模型训练的时间成本。

摘要： 本申请提供一种行为识别模型的训练方法、行为识别方法及设备。该行为识别模型的训练方法包括：获取历史视频图像，所述历史视频图像包含不同环境下学生的预设行为视频图像；采用行为序列特征提取方法对所述历史视频图像进行处理，得到局部运动历史视频图像；响应行为标识操作，对所述局部运动历史视频图像的每帧图像中的预设行为进行标识；利用标识后的所述局部运动历史视频图像对卷积神经网络模型进行训练，得到所述行为识别模型，所述行为识别模型用于对视频图像中的预设行为进行识别，输出多张包含预设行为的图片，且每张图片具有预设行为的标识。本申请的方法可以检测和识别出视频图像中的预设行为，以提升无人监控的效果。

摘要： 行为识别服务器(1)具有：传感器信息取得部(11)，其从对被观察者进行检测的传感器(2)的集合取得表示每个传感器(2)的检测结果的传感器信息；图像转换部(13)，其将基于各传感器信息的值的任意范围的值写入由布局数据(13L)规定的图像内的各传感器信息的区域，由此将各传感器信息图像化；以及行为推理部(14)，其对事先准备了传感器信息的图像与被观察者的行为的对应数据的推理模型(14m)输入图像转换部(13)生成的传感器信息的图像，从而求出从推理模型(14m)输出的被观察者的行为。

摘要： 本公开提供了特征筛选方法、行为识别模型训练方法、异常行为识别方法，以及与各方法对应的装置、电子设备、计算机可读存储介质及计算机程序产品，涉及深度学习、行为数据分析技术领域。该方法包括：基于获取到的多人交互社区下账号的基础行为特征，生成组合行为特征；基于目标群体指数计算待筛选行为特征的特征重要度，待筛选行为特征基于基础行为特征和组合行为特征确定；将特征重要度满足第一预设要求的待筛选行为特征，筛选为目标行为特征。应用该方法可以筛选出对多人交互社区下的账号行为是否存在异常的关键基础行为特征和组合行为特征，避免了在无区分能力的基础行为特征和组合行为特征上浪费运算资源，提升了资源利用率。

摘要： 本发明公开了一种行为识别模型构建方法及相应行为识别方法和系统。本发明方法对于训练样本数据中的每个类别，形成以其作为正类别、其余类别作为反类别的一个超球面，通过训练得到的多个超球面对整个特征空间进行划分。本发明方法构建的行为识别模型具有对新增行为类别的检测能力，不仅具有和传统SVM相当的查全率而且还具有较高的查准率，即判断新增类别的精度较高。相比于CNN方法，本发明方法构建的行为识别模型架构更简单，实现复杂度低，识别精度高。

摘要： 本发明提供一种不正当行为识别装置及存储介质、不正当行为识别方法，能够抑制相对于全自助对应的结算终端的客人的不正当行为，该不正当行为识别装置包括行动识别部、操作识别部、不正当检测部及告知部。行动识别部识别相对于结算终端的购物者的行动。操作识别部识别由购物者对结算终端进行的操作。不正当检测部基于购物者的行动和由该购物者对结算终端进行的操作的对应关系，检测购物者的不正当行为。告知部告知购物者的不正当行为。

摘要： 本申请提供行为识别模型训练方法、行为识别方法以及相关装置，其中，训练方法包括：获取至少一张行为图像样本、至少一张行为图像样本对应的行为标签和至少一张行为图像样本对应的至少一个语义标签；将至少一张行为图像样本输入至行为识别模型，以获取行为识别模型输出的第一行为预测结果和至少一个预设目标预测结果；根据行为标签、至少一个语义标签、第一行为预测结果以及至少一个预设目标预测结果，对行为识别模型进行训练，以使第一行为预测结果逼近于行为标签且使至少一个预设目标预测结果逼近于至少一个语义标签；将最后训练得到的行为识别模型确定为目标行为识别模型。该技术方案可提高行为识别模型的识别精度。

摘要： 本实施例提供行为识别方法、行为识别装置、计算机设备和存储介质，属于人工智能技术领域。该方法包括：获取待检测的原始视频数据，并将原始视频数据输入至预训练的行人检测模型，以确定目标行人；对目标行人进行目标追踪，得到目标视频帧图像和目标轨迹信息；根据目标轨迹信息确定针对目标行人的关键点信息；在确定当前遍历的视频帧图像中针对目标行人的关键点信息满足预设的行为识别条件下，获取当前遍历的视频帧图像的前n帧视频帧图像，并通过预训练的行为识别模型进行行为判断，以获得针对目标行人的行为识别结果。本实施例通过回溯关键的目标视频帧图像的前n帧视频帧行为进行判断，能够减轻行为识别运行时对移动端的负载压力。

摘要： 本申请涉及一种行为识别模型构建方法以及行为识别方法。方法包括：获取携带行为标注的视频帧序列集合以及初始行为识别模型，该模型包括时空特征提取网络、空间特征提取网络、特征融合网络以及卷积操作网络；将视频帧序列集合中各视频帧序列输入时空特征提取网络，得到与视频帧序列对应的时空特征，并将视频帧序列输入空间特征提取网络，得到与视频帧序列对应的空间特征；将时空特征和空间特征，输入特征融合网络，得到与视频帧序列对应的融合特征；将融合特征输入卷积操作网络，得到与视频帧序列对应的行为预测结果；根据行为预测结果和行为标注，调整初始行为识别模型的模型参数，得到已训练的行为识别模型。采用本方法能够实现准确行为识别。