基于雙流CNN的異常行為分類算法研究.pdf

1、 國內(nèi)圖書分類號： TP391.4 學(xué)校代碼： 10213 國際圖書分類號： 621.3 密級： 公開 工程 工程碩士學(xué)位論文 碩士學(xué)位論文 基于雙流CNN的異常行為分類算法研究 碩 士 研 究 生 ： 王昕培 導(dǎo) 師 ： 王鴻鵬教授 申 請 學(xué) 位 ： 工程碩士 學(xué) 科

2、： 計算機技術(shù) 所 在 單 位 ： 深圳研究生院 答 辯 日 期 ： 2016年12月 授予學(xué)位單位 ： 哈爾濱工業(yè)大學(xué) 哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文 -I- 摘 要 隨著人們對公共安全的關(guān)注以及監(jiān)控設(shè)備的普及，通過人力對監(jiān)控視頻中的人體行為進(jìn)行分類存在著效率低、成本高、誤檢率高等問題，如何高效、準(zhǔn)確地對視頻中的人體動作進(jìn)行分類，從而分析視頻中是否有異常行為是計算機視覺方向一個重要的研究課題。 本文基于雙流

3、卷積神經(jīng)網(wǎng)絡(luò)， 運用光流圖像和彩色圖像作為網(wǎng)絡(luò)輸入， 進(jìn)行動作分類和異常行為分類。相較于應(yīng)用特定的人工提取特征，卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力強， 但是需要大量訓(xùn)練數(shù)據(jù)， 而且容易造成過擬合。 為了解決這些問題，我們需要對圖像樣本進(jìn)行信息增益，并適當(dāng)調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)，以便在異常行為分類任務(wù)上獲得較好的效果。 本文針對異常行為分類任務(wù)， 通過整合不同數(shù)據(jù)集， 構(gòu)建了涵蓋生活中常見動作和異常動作的視頻數(shù)據(jù)集。在特征表示方面，選用光流法來表達(dá)視頻動態(tài)信息，

4、針對傳統(tǒng)光流計算慢、空幀多等缺點，提出了自適應(yīng)光流法來準(zhǔn)確地表示運動時序信息，并通過對多幀光流圖像進(jìn)行疊加獲得動作的動態(tài)趨勢信息。由于異常行為分類任務(wù)復(fù)雜、數(shù)據(jù)樣本缺乏，我們使用隨機裁剪、翻轉(zhuǎn)等信息增益方式來增加樣本數(shù)量、防止網(wǎng)絡(luò)的過擬合。在網(wǎng)絡(luò)模型方面，加深原有的雙流CNN網(wǎng)絡(luò)層次，通過調(diào)整超參數(shù)、改變網(wǎng)絡(luò)結(jié)構(gòu)等具體方式，來增強網(wǎng)絡(luò)的學(xué)習(xí)能力和泛化能力，以提高異常行為分類的準(zhǔn)確率。 最后，本文比較了改進(jìn)后的網(wǎng)絡(luò)模型和原有模型以及人工提