监控视频中的道路事故检测 北京大学团队2018 Road_Accident数据集上监视视频（ ）的真实世界异常检测的实现和修改版本。 数据集 道路事故数据集包含796个* .mp4格式的视频（330正常，366异常，100测试）。 数据集链接：正在更新 C3D提取器：使用3D卷积网络学习时空特征（ ）。 使用Google Colab（）提取视频的C3D功能 按照笔记本中的说明提取视频功能。 训练 检查此笔记本以查看文档以及培训/测试过程。 Keras 1.1.0 Theano 0.9.0 的Python 3 可视化结果 Django Web应用程序。 有关更多详细信息，请参见目录。 档案结构 文件/目录 说明 提取C3D视频功能 Python，Matlab通用脚本 测试视频的Groudtruth批注 用于建立C3D Caffe模型的配置文件 训练/测试代码 Jupyter

基于matlab人体异常行为检测。可以检测如跌倒，奔跑，打架等异常行为，从而预警。

matlab异常行为动作识别。可以识别跌倒，快跑等行为，可以对行为进行预警，报警操作。可以设想把这个算法内置于监控，我国很多空巢老人，如果在监控里面检测到老人有跌倒等行为，可以进行远程报警，远在他想的亲人可以电话让邻居等帮忙，从而解决老人安全问题。

为解决在嵌入式设备上实时、高精度检测司机安全驾驶监督的问题，本文基于目标检测中经典的深度学习神经网络YOLOv3-tiny，运用通道剪枝技术成功在目标检测任务中实现了模型压缩，在精度不变的情况下减少了改进后神经网络的计算总量和参数总数.并基于NVIDIA的推理框架TensorRT进行了模型层级融合和半精度加速，部署加速后的模型.实验结果表明，加速模型的推理速度约为原模型的2倍，参数体积缩小一半，精度无损失，实现了高精度下实时检测的目的.

ˇ GDA（GJoy Dex分析仪） GDA是新的Dalvik字节码反编译器，以C ++实现，具有以下优点：分析速度更快，内存和磁盘消耗更低，并且反编译APK，DEX，ODEX，OAT文件的能力更强（自3.79开始支持JAR，CLASS和AAR文件） 。 GDA完全独立，并且无需安装Java VM即可运行，因此无需任何额外配置即可在任何新安装的Windows系统和虚拟机系统中正常运行。 GDA Decompiler项目始于2013年，2015年在发布了其第一个版本1.0。 GDA还是一个功能强大且快速的反向分析平台。 它不仅支持基本的反编译操作，而且还具有许多出色的功能，例如恶意行为检测，隐私泄漏检测，漏洞检测，路径解决，打包程序标识，变量跟踪分析，反混淆，Python和Java脚本，设备内存提取，数据解密和加密等 所有出色的功能如下：

基于视频的人体异常行为检测MATLAB。课题背景：我过空巢老人多，如果在监控里面内置算法，可以识别动作，如老人摔伤，跌倒，被抢劫等行为可以识别，可以通过报警给远程的人，则可以杜绝危险。

行业资料-交通装置-一种基于跟踪的车辆违章掉头行为检测方法.zip

基于Hook 的程序异常行为检测系统设计与实现.pdf

基于深度学习特征的异常行为检测.pdf

人体行为异常监控系统，主要适用人群是老年人，在摄像头固定的情况下，自动检测人体运动轨迹，并与提前设定好的行为库进行匹配，分析判断是否具有异常行为。 在数字图像预处理部分采用了图像二值化，腐蚀与膨胀等几种方法为人体目标的跟踪和检测做准备，采用了帧差法和ViBe算法，