行为识别总结

针对智能驾驶系统处理大量驾驶数据时出现的效率和精度不足的问题,提出一种基于贝叶斯模型来处理驾驶数据,识别和预测人类驾驶行为的方法。该方法可以无监管地通过驾驶数据对应地推断出具体驾驶行为,共分为2步:第

行为识别技术通过图像、视频、热敏、力敏、加速度、磁力等单一传感器或多种传感器融合的方式,对被测目标信息进行采集测量。使用如数据挖掘、机器学习、模式识别等多种技术,对于人类行为中的表层及深层特征进行提取

针对人体行为事件,研究了多传感器数据采集模型和扩展卡尔曼滤波优化算法的应用。系统将加速度传感器分量数据映射为三维加速度空间,并与压力传感器数据结合建立四维实时数据采集空间。基于系统的模型特征,提出了非

上图视频测试链接:https://www.bilibili.com/video/BV13E411c7Mv/ 1. 3D卷积神经网络 相比于2D 卷积神经网络,3D卷积神经网络更能很好的利用视频中的时序

提出了一种基于导师-学生网络的驾驶行为识别模型。考虑到驾驶动作是在局部区域发生的,将驾驶行为识别任务拆分成动作定位和动作分类两个子任务。针对动作定位任务,设计了网络层数较浅和接收高分辨率图像输入的导师

网络管理员需要根据用户对应用的使用情况决定如何合理地分配带宽,提供区别化服务,进行安全监测和管理,以进行更加细致和准确的IT运维。研究了网络细粒度应用行为识别系统,能根据应用产生的流量精准识别用户在应

提出一种新的人体行为识别特征提取方法。针对Radon变换对缩放敏感的问题，采用改进的Radon变换提取运动人体区域最小外接矩形的Radon变换特征，并采用隐马尔可夫模型进行行为识别。该方法提取特征时不

微博僵尸粉的行为特征和识别方法，于光，于璇，本文梳理了新浪微博中僵尸粉的有关概念，并归纳为两大类：关注型僵尸粉和散布型僵尸粉，分别抽取和描述了两类僵尸用户的行为特征

微软发布的Kinect传感器相比传统相机，不仅能获取颜色图像，还能得到深度图像，这对人类行为分析提供了一种新的解决方案。因此，基于Kinect创建了八种类型双人交互行为数据集。为了减少原始序列数据并降

p2p行为的识别越来越受到更多的关注，本文关于p2p行为识别的论文，阐述了所使用的方法。