论文研究基于递归神经网络局部建模的人群异常事件监测.pdf

通过灰度共生矩阵中的四个纹理参数：能量、熵、惯性矩、相关性在不同视频情境下的变化情况来找出不同情境下的视频，对比这四个值在不同场景下的特征值随帧数的变化的曲线，选取出了熵和相关性来作为判别不同场景的特

针对传统基于群体运动状态分析的异常事件检测方法对场景语义信息描述不足的问题,引入了复杂网络中运用社区发现的Girvan-Newman(GN)分裂算法。将具有相似运动特征且位置相近的行人划分为多个群组,

基于卷积神经网络的人群密度

针对公共场合人群异常行为检测准确率不高和训练样本缺乏的问题，提出一种基于深度时空卷积神经网络 的人群异常行为检测和定位的方法。首先针对监控视频中人群行为的特点，综合利用静态图像的空间特征和前后帧 的时

由于光照、遮挡、尺度变化等原因，在真实多变场景下完成人脸追踪面临挑战。探究了基于卷积神经网络（CNN）的人脸追踪，将基本的卷积神经网络改进为孪生神经网络，在OTB数据集上采用端到端的方式，以成对图像区

这是一种比较有竞争性的技术,递归神经网络有善于根据前后信息推测需要的数据,也可以因此判断心跳的异常与否

计算机安全已成为一项重大挑战。 已经开发了工具和机制来确保一定程度的合规性。 其中包括入侵检测系统（IDS）。 传统IDS的原理是检测企图攻击网络并识别异常活动和行为。 原因包括搜寻攻击类型的不确定性

为提高人体下肢步态相位识别准确率以实现外骨骼机器人控制，采用一种改进的粒子群优化MPSO-BP神经网络方法识别不同运动模式下的人体步态相位。通过自适应调整学习因子构造MPSO-BP神经网络分类器，以多

随着智能通信设备的普及和通信基站定位精度的提升，利用通信基站记录的用户行为数据监测和预测人群密度成为可能。由于人群异常聚集事件具有突发性，利用时间序列分析方法和概率模型进行预测的效果较差。针对该问题，

为提高人脸表情分类的识别率和实时性,提出一种基于卷积神经网络(CNN)局部特征融合的人脸表情识别方法。首先,构建CNN模型,学习眼睛、眉毛、嘴巴3个局部区域的局部特征;然后,将局部特征送入到支持向量机