研究生开题报告---考场人员行为分析关键技术文章.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。因此，研究考场中考生异常行为智能检测理论、方法和一些关键技术，对开发高考智能检测系统，实现高考公平均具有重要的理论价值和社会效益。 参考文献 Ros, M,Cuéllar, M.P,Delgado, M.Online recognition of human activities and adaptation to habit changes by means of learning automata and fuzzy temporal windows [J]. Information Sciences,2013,220. Yufeng Chen, Guoyuan Liang, Ka Keung Lee,Yangsheng Xu. Abnormal Behavior Detection by Multi-SVM-Based Bayesian Network[J]. Information Acquisition,2007,1. Jeong ACho,Hanbyeul Na,Sunwoo Kim,Chunsoo Ahn. Moving-Target Tracking Based on Particle Filter with TDOA/FDOA Measurements[J]. ETRI journal ,2012,34(2). YangJ and Waibel A．A real-time face tracker．In：Proc IEEE Work shop on Applications o Computer Vision，Sarasota，USA．1996，142-147． Lakany H，Hayes G，Hazlewood M，etc．Human walking：tracking and analysis．In：Proc IEE Colloquium on Motion Analysis and Tracking，SavoyPlace，London，1999，5(14)，530—541． 朱旭东,刘志镜.基于主题隐马尔科夫模型的人体异常行为识别[J].计算机科学,2012,39(3). 黄 彬,田国会,李晓磊.利用轮廓特征识别人的日常行为[J].光电激光光,2008,19(12). 李弟平，邹北骥，傅自钢.结合粒子滤波与Mean shift的高速运动目标跟踪[J].小型微型计算机系统,2011,32(8). 张一．智能视频监控中的目标识别与异常行为建模[D]．上海：上海交通大学，2009． 牛彦. 关于透视变换的研究[J]. 计算机辅助设计与图形学学报. 2001,13(6):1-3. 代勤，王延杰，韩广良. 基于改进Hough变换和透视变换的透视图像矫正[J]. 液晶与显示,2012,27(4): 552-556. 于晨. 基于模板匹配技术的运动物体检测的研究[D]. 重庆：重庆大学，2007. 陆勇. 考场异常行为视频检测关键技术研究[D]. 杨凌：西北农林科技大学，2010. 刘国军. 基于可移动拍摄大场景下的人体运动跟踪关键技术的研究与应用[D].哈尔滨：哈尔滨工业大学，2009. 徐春生,曹兰. 标准化校级考场巡查系统设计与建设[J]. 实验技术与管理.2013,30(12):121-124. 刘国军. 基于可移动拍摄大场景的人体运动跟踪关键技术的研究与应用[D].哈尔滨