研究生开题报告--考场人员行为分析关键技术.docVIP

学号 昆明理工大学硕士研究生学位论文 开题报告书 专 业 姓 名 入 学 时 间 导 师 拟定的论文题目 报 告 日 期 研究生院 1、论文选题的国内外研究动态及现状 RBF神经网络的人的日常行为识别方法[7]；中南大学研究结合粒子滤波与Mean shift的高速运动目标跟踪[8]。 随着人体异常行为分析研究和相关技术的发展，计算机视觉技术下对人的行为分析朝着更智能更精确的方向发展。人的异常行为识别[9]是指对人体行为通过机器语言和算法进行分析和描述，并采用自然语言对其进行理解，这个过程为行为一视频一分析一描述一行为，即测试序列与预先建立的异常行为模板的参考序列进行模板匹配，可以简单的认为是时空变化的数据分类。因此，人体异常行为识别的关键技术是如何依靠样本建立人体行为的模型序列，并且该模板能够适应在相似背景下的空间和时问尺度上的变化特征来更新和学习。然而，相关的研究多是针对某一特定场合下的特定对象的行为识别，研究对象数量一般不超过两个，以研究独立对象居多。迄今尚未见到针对考场众多考生行为异常检测与识别的研究报告。