基于深度学习的异常行为识别算法研究.pdf

《基于深度学习的异常行为识别算法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于深度学习的异常行为识别算法研究ABNORMALBEHAVIORRECOGNITIONALGORITHMBASEDONDEEPLEARNING陆晴哈尔滨工业大学2018年6月国内图书分类号：TP183学校代码：10213国际图书分类号：004.5密级：公开工程硕士学位论文基于深度学习的异常行为识别算法研究硕士研究生：陆晴导师：温奇咏副教授申请学位：工程硕士学科：控制工程所在单位：航天学院答辩日期：2018年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP183U.D.C:004.5DissertationfortheMasterDegre

2、einEngineeringABNORMALBEHAVIORRECOGNITIONALGORITHMBASEDONDEEPLEARNINGCandidate：LuQingSupervisor：AssociateProf.WenQiyongAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ControlEngineeringAffiliation：SchoolofAstronauticsDateofDefence：June,2018Degree-Conferring-Institution：HarbinInstit

3、uteofTechnology哈尔滨工业大学工程硕士学位论文摘要随着计算机视觉和深度学习的理论和研究的飞速发展，基于深度学习的一系列智能算法逐渐应用于公共安全领域。卷积神经网络(ConvolutionalNeuralNetwork,CNN）)作为深度学习的代表性网络，相比与传统的神经网络，卷积神经网络的识别效果有了很大的提高，并且在计算机视觉的许多领域取得了阶段性成功。因此以深度学习为基础，高效准确地对视频中的异常行为进行识别具有重要的研究意义。本文主要对通过组合型光流网络以及基于深度残差网络的双流结构两个方面进行研究。在提取光流特征这一部分，选择基于深度学习的方法对视频

4、中的运动物体进行光流估计。为了准确地提取到视频中前景目标的运动信息，在包含多个光流网络的组合型光流网络中，引入了光流端到端的概念，与此同时通过加入一个专门捕捉小位移的子网络来描述细节动作的变化。通过组合型光流网络最终计算得出相邻视频帧的光流图像，作为时间流网络的输入。在基于深度残差网络的双流结构的设计中，模仿大脑在处理视觉信号时的腹侧通道和背侧通道，我们将视频分为空间和时间两部分，并且采用空间流网络和时间流网络分别处理图像信息和动作信息，实现双流特征的提取。为准确地识别异常行为，采用101层的深度残差网络作为空间流网络和时间流网络，解决了深层神经网络容易发生的梯度爆炸导致

5、整体网络性能退化等问题，较其他浅层网络获得了更好的学习效果。通过采用数据增益、迁移学习、Dropout等策略，解决了网络的过拟合问题，增强了网络的学习能力和泛化能力。最后，在UCF101行为数据集和CASIA多视角行为数据库上进行了实验。实验结果表明，组合型光流网络可以有效地提取光流特征，提高了时间流网络的识别准确度。通过将原始数据集进行镜像变换、旋转方向和随机裁剪等方式进行数据集增益，深度残差双流网络相较于浅层网络在异常分类任务上的效果更优异，提高了识别准确率。关键词：行为识别；深度学习；光流网络；深度残差网络I哈尔滨工业大学工程硕士学位论文AbstractWithth

6、erapiddevelopmentofthetheoryandresearchofcomputervisionanddeeplearning,aseriesofintelligentalgorithmsbasedondeeplearninghavebeengraduallyappliedinthefieldofpublicsecurity.ConvolutionalNeuralNetwork(CNN)isarepresentativenetworkofdeeplearning.Comparedwithtraditionalneuralnetworks,therecogni

7、tioneffectofconvolutionalneuralnetworkshasbeengreatlyimproved,andhasinmanyareasofcomputervisionachievedsuccess.Therefore,basedondeeplearning,itisofgreatsignificancetoefficientlyandaccuratelyidentifyabnormalbehaviorinvideo.Thisthesisfocusesontheresearchandimplementat