MATLAB异常行为检测,该课题运用群体整体异常行为建模是群体整体表现出异常行为, 识别过程中不关注个体行为。整体分析方法把人群作为一个实体来估计速度、方向和运动异常, 涵盖中高密度人群场景.整体分析方法是对整个人流分类为正常、异常或预定义行为, 是把人群作为一个单一的实体, 适合分 析中高密度人群的结构化场景, 以及高密度人群中行 为特征很少或者小到无法提取的场景. 这种方法会忽 略个体差异, 并认为人群中所有个体都有类似的运动 特性, 从而从系统角度分析人群行为. 但是, 由于没 有对象检测和跟踪的信息, 同时发生的人群其他活动 无法区分开, 且非结构化场景的局部行为也无法处理.

本系统为人体异常行为检测系统 本文件夹下共包含12个文件 其中matlab代码文件9个，视频源文件夹1个（内含4个视频），指导视频一个，说明文档一个 其中仅需要打开Main_Test.fig文件，点击运行即可使用

基于角点动能的视频群体异常行为检测

面向IaaS云平台的用户异常行为检测方法

MATLAB语言，识别异常行为，如跌倒，快跑，慢跑，带GUI用户界面。采用质心检测的方法，另外可以自己二次开发成其他异常行为的检测，如打架，抢劫，围观等等。无须jifen下载。可能会因环境有bug，需一定基础自我调试

本系统为人体异常行为检测系统 本文件夹下共包含12个文件 其中matlab代码文件9个，视频源文件夹1个（内含4个视频），指导视频一个，说明文档一个 其中仅需要打开Main_Test.fig文件，点击运行即可使用

针对近年流行的盗号扫号、灌水、恶意注册等业务安全威胁，本文提出基于用户行为 的一些异常检测方法

基于深度学习网络模型的鱼群异常行为识别方法

对公共场所中人群监控准确性和实时性低的问题,提出一种基于运动显著图的人群异常行为检测方法。该方法首先利用Lucas-Kanade法计算稀疏特征点的光流场,并对光流场进行时间和空间上的滤波处理,然后计算特征点的运动方向、速度和加速度。为了准确描述人群行为,将人群的速度幅值、运动方向变化量和加速度幅值分别映射为图像的R、G、B三个通道,并以此合成代表人群运动特征的运动显著图。最后,设计和训练面向人群运动显著图的卷积神经网络模型,并利用该模型检测人群中是否存在异常行为。

一段异常行为识别的代码，可以判断出除正常行走外的其他行为，标为异常。