考场异常行为检测算法

以智能视频监控理论为依据,结合考试现场特点,提出了一种能够进行考场异常行为检测的高效算法。该算法从考生信息结构和内容方面作了科学设计,提出了行为覆盖区、3维考场关注度等概念。仿真实验针对分析器的准确率和效率两方面进行,并特别比较了本算法设计的分析器和普通方式分析器的效率。实验结果表明,本算法能很好地挖掘视频帧间的历史关系,与未采用本算法的普通方式相比检测效率有较大提高。

基于Latent SVM的多视角行为识别方法

为了在静态图像中获取有效信息,构建行为模型,提出了行为覆盖区ACA(Action Coverage Area)和行为核心AC(Action Core)的概念,基于Latent SVM(Support Vector Machine)目标识别方法,设计了一种多视角行为模型MVAM(Multiple Viewpoint Action Model)。建立了独立的用于行为模型训练和测试的行为数据库。实验表明,该表示法对静态图像中的人体行为能有效地进行分类和检测。