近年來,為不斷推進平安城市建設,安防監(jiān)控設備在全國各地得到廣泛應用。如何使用計算機視覺技術對視頻監(jiān)控中的暴力行為實現(xiàn)有效的智能化分析,對維護社會穩(wěn)定,保障人們生命和財產安全至關重要。隨著深度學習的快速發(fā)展,該文在深度卷積神經(jīng)網(wǎng)絡基礎上,對視頻暴力行為檢測進行研究,主要研究內容包括以下幾點:首先,針對人工設計特征的方法檢測率較低,計算復雜度較高的問題,提出三維卷積神經(jīng)網(wǎng)絡視頻暴力行為檢測算法。通過對輸入的原始視頻幀序列進行三維卷積和三維池化操作,獲取視頻深層時空特征信息,實現(xiàn)端到端的暴力行為檢測;此外,為提高網(wǎng)絡泛化能力,加速網(wǎng)絡訓練,在每個卷積操作之后均進行批量歸一化;為進一步避免因數(shù)據(jù)集樣本較少而產生的網(wǎng)絡過擬合現(xiàn)象,在兩個全連接層之后添加Dropout層。實驗表明,該算法優(yōu)于傳統(tǒng)方法,具有一定的有效性。其次,為充分利用視頻時空特征信息,提高檢測準確率,在雙流卷積神經(jīng)網(wǎng)絡基礎上,提出雙流三維卷積特征融合視頻暴力行為檢測算法。采用三維卷積神經(jīng)網(wǎng)絡(Convolutional 3D,C3D),對連續(xù)的視頻幀序列進行特征提取,不僅可以獲取視頻空間信息還可有效提取視頻時空融合信息;采用16層...

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內外研究現(xiàn)狀
    1.3 本文研究內容
    1.4 本文組織結構
第2章 視頻暴力行為檢測基礎
    2.1 引言
    2.2 卷積神經(jīng)網(wǎng)絡模型
        2.2.1 LeNet-5 網(wǎng)絡
        2.2.2 AlexNet網(wǎng)絡模型
        2.2.3 VGGNet網(wǎng)絡模型
    2.3 視頻暴力行為檢測數(shù)據(jù)集
    2.4 視頻暴力行為檢測性能評估準則
    2.5 本章小結
第3章 三維卷積神經(jīng)網(wǎng)絡視頻暴力行為檢測算法
    3.1 引言
    3.2 三維卷積神經(jīng)網(wǎng)絡視頻暴力行為檢測算法
        3.2.1 三維卷積神經(jīng)網(wǎng)絡
        3.2.2 批量歸一化
        3.2.3 Dropout技術
        3.2.4 網(wǎng)絡模型詳細參數(shù)設置
    3.3 實驗結果與分析
        3.3.1 Hockey數(shù)據(jù)集性能分析
        3.3.2 Violent flow數(shù)據(jù)集性能分析
    3.4 本章小結
第4章 雙流三維卷積時空特征融合視頻暴力行為檢測算法
    4.1 引言
    4.2 雙流三維卷積時空特征融合視頻暴力行為檢測算法
        4.2.1 視頻光流圖提取
        4.2.2 空間流網(wǎng)絡
        4.2.3 時間流網(wǎng)絡
        4.2.4 模型融合
    4.3 實驗結果與分析
        4.3.1 Hockey數(shù)據(jù)集性能分析
        4.3.2 Violent flow數(shù)據(jù)集性能分析
    4.4 本章小結
第5章 三維卷積密集連接網(wǎng)絡視頻暴力行為檢測算法
    5.1 引言
    5.2 三維卷積密集連接網(wǎng)絡視頻暴力行為檢測算法
        5.2.1 密集連接方式
        5.2.2 三維卷積密集連接網(wǎng)絡
        5.2.3 網(wǎng)絡模型詳細參數(shù)設置
    5.4 實驗結果與分析
        5.4.1 Hockey數(shù)據(jù)集性能分析
        5.4.2 Violent flow數(shù)據(jù)集性能分析
    5.5 本章小結
結論
參考文獻
致謝



本文編號：3811266