一种基于分层聚类方法的木马通信行为检测模型

本文设计了一款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。为了克服在实际操作中遇到的问题，采用了帧差法和ViBe算法，帧差法即利用帧间变化与当前帧、背景算法来判断它是否大于阈值，并分析视频中序列的运动特性，ViBe算法则是一种背景建模的方法，背景模型是由邻域像素来创建，并对比背景模型、当前输入像素值检测出前景，确定视频中的目标跟踪。在人体行为识别中，运动目标最小长宽比以及连续帧间的加速度来判断人体行为是否

行为检测( action detection) 旨在从长视频中定位出人们感兴趣行为在时间甚至是空间上的具体位置，是最为重要的视频理解任务之一。该技术可以广泛应用于视频监、视频搜索与检索、自动驾驶、人机交互、视频内容推荐等。 压缩包里面的word有环境安装说明，可以在免费云gpu 上运行，售后可以私信截图

本课题为基于形态学的人体行为检测系统，可以识别卧躺，站立，蹲坐等几种姿势。根据圈定的矩形长宽比例，带有一个GUI可视化界面，程序简单易懂通俗。

这是一个人群暴力行为的数据库，包括正常人群行为和暴力行为，都是从youtube中下载的，150M。视频清晰度不高，可以用于暴力行为检测研究。

Matlab人体异常行为检测，可检测商城小偷，异常可疑人员

学生课堂行为检测是对学生在课堂中表现出的行为进行检测，以此来判断学生是否认真听课和教师教学的质量,达到提高教学质量和督促学生认真学习的目的。利用深度学习通用目标检测框架 Faster R-CNN 通过基于 ZFNet 预训练网络模型的迁移学习，来提取学生课堂行为特征，实现对学习、玩手机、睡觉等行为的检测识别分析。结果表明，该卷积神经网络能够对目标行为取得良好的检测识别效果。

两客一危危险驾驶行为检测系统

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.

MATLAB人体姿态识别[卡尔曼，GUI，行走+站立+伸腰，定位，质心],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。为了克服在实际操作中遇到的问题，采用了帧差法和ViBe算法，帧差法即利用帧间变化与当前帧、背景算法来判断它是否大于阈值，并分析视频中序列的运动特性，ViBe算法则是一种背景建模的方法，背景模型是由邻域像素来创建，并对比背景模型、当前输入像素值检测出前景，确定视频中的目标跟踪。在人体行为识别中，运动目标最小长宽比以及连续帧间的加速度来判断人体行为是否异常，如果检测到异常的行为比如说摔倒、快跑等行为，在识别的过程这种实时监测。