您当前所在位置: 首页
筛选条件

时间

领域

全部

计算机科学技术(4)

电子、通信与自动控制技术(1)

中医学与中药学(0) 显示更多>>

临床医学(0) 交通运输工程(0) 体育科学(0) 信息科学与系统科学(0) 农学(0) 冶金工程技术(0) 力学(0) 动力与电气工程(0) 化学(0) 化学工程(0) 图书馆、情报与文献学(0) 土木建筑工程(0) 地球科学(0) 基础医学(0) 天文学(0) 安全科学技术(0) 工程与技术科学基础学科(0) 心理学(0) 教育学(0) 数学(0) 机械工程(0) 材料科学(0) 林学(0) 核科学技术(0) 水产学(0) 水利工程(0) 测绘科学技术(0) 物理学(0) 环境科学技术(0) 生物学(0) 畜牧科学、动物医学(0) 矿山工程技术(0) 管理学(0) 纺织科学技术(0) 经济学(0) 能源科学技术(0) 航空航天科学技术(0) 药学(0) 预防医学与卫生学(0) 食品科学技术(0)

学术评议

实时热搜榜

我的筛选 >
2003-2017 全部
为您找到包含“behavior recognition”的内容共5

钟子明,刘伟

2017-09-12

随着传感器技术的发展和手机计算能力的提升,基于智能手机传感器的用户行为识别成为近年来的研究热点。用户行为识别以手机传感器原始数据作为输入,通过识别算法预测用户的运动行为。它在健康和运动监测、用户生物特征签名、城市计算、残障人士辅助、老年看护以及室内定位等领域的手机应用中发挥着重要作用。本文对近年来用户行为识别的技术发展和面临的主要问题进行了深入的调查研究。本文先对手机传感器、用户行为等基本概念进行了详细的阐述,接着对用户行为识别的流程和用到的关键技术进行了总结,然后分析了用户行为识别面临的主要挑战和相应的一些解决方案,最后对用户行为识别在未来的发展进行了展望。

北京邮电大学自动化学院,北京 100876,北京邮电大学自动化学院,北京 100876

#电子、通信与自动控制技术#

1评论(0 分享(0)

侯晏龙,李志刚,蔡向群,张宝昌

2013-10-29

本文主要研究基于视频的行为识别技术。所论述的方法主要用于识别时空混合的视频数据中的人类行为活动,它不同于其他二维图像识别技术,以及还很多三维时空兴趣点检测方法,将主要讨论如何通过提取立方体像素窗口、聚类生成特征词典完成识别工作。本文的贡献在于,我们所使用的离散线性过滤器的实现和关键参数的选择方法、对K-means聚类算法的改进工作和分类器设计等。本文方法通过在公开数据库上的实验,证明了有效性,并取得了比较理想的结果。更进一步,我们利用基于随机森林的方法取得了最好的实验结果。

北京航空航天大学自动化学院,北京航空航天大学自动化学院,北京航空航天大学自动化学院,北京航空航天大学, 飞行器控制一体化技术重点实验室, 自动化科学与电气工程学院, 北京100191

#计算机科学技术#

1评论(0 分享(0)

桑海峰,郭昊,徐超

2014-08-22

为了提高监控视频中人体异常行为识别的实时性和准确率,提出了基于运动特征的人体异常行为识别方法。利用分块更新的背景差法从图像中提取出完整的人体轮廓,通过区域关联结合颜色直方图实现人体目标跟踪,解决了非线性运动时漏跟和误跟的问题。通过人体运动轨迹、运动姿态及运动时间3种参数,对人的5种异常行为进行分析判断。实验结果表明,所提算法不仅能实时地对人体进行检测和跟踪,还能快速、准确地识别出异常行为,具有简单实用的特点。

高等学校博士学科点专项科研基金(20122102120004

辽宁省教育厅科学研究项目(L2012034

沈阳工业大学信息科学与工程学院,沈阳110870,沈阳工业大学信息科学与工程学院,沈阳110870,沈阳工业大学信息科学与工程学院,沈阳110870

#计算机科学技术#

本文收录在中国科技论文,2014,9(7):812-816.

0评论(0 分享(0)

王光超,范春晓

2014-10-17

当前面向深度视频信息的三维人体行为视频被广泛应用到体感交互和行为分析领域中。为了在现实场景中更好的分析人体行为,提出了一种基于时空纹理特征的人体行为视频识别方法和系统。首先利用Kinect等体感设备采集人体行为视频,并对行为视频进行预处理,然后对视频进行三维时空纹理特征提取,生成人体行为特征信息模型;进而完成分类识别,最后在行为分析系统上实现模拟个性化控制。相比于过去的识别方法,文中方法简化了视频人体行为识别的复杂度,降低了行为特征数据量,并取得了较好的系统分析效果。

北京邮电大学电子工程学院,北京 100876,北京邮电大学电子工程学院,北京 100876

#计算机科学技术#

本文收录在中国科技论文在线精品论文,2015,8(4):316-324.

0评论(0 分享(0)

傅建明,丁爽,李鹏伟

2015-11-18

移动互联网时代背景下,Android作为主流的手机操作系统,其安全问题日益严峻。但无论恶意代码如何伪装,最终都会落实到非用户授权的敏感操作中。因此,用户作为Android系统交互的中心,其动作意图对于Android软件异常行为的判别具有重要的参考意义。本文立足于用户意图,分析总结了恶意软件可能存在的短信、电话、录音、拍摄、安装等敏感行为;使用Android hook技术,从用户输入动作与UI界面的相关信息中,动态提取用户意图,结合敏感行为相关的API调用信息的监控,确定其与用户意图的一致性,规则匹配分析,并使用朴素贝叶斯建模识别Android程序的异常行为,为恶意程序的检测提供有效支持。

高等学校博士学科点专项科研基金项目(No.20120141110002

武汉大学 计算机学院,武汉430072;武汉大学 空天信息安全与可信计算教育部重点实验室,武汉 430072;武汉大学 软件工程国家重点实验室,武汉 430072 ,武汉大学 计算机学院,武汉430072;武汉大学 空天信息安全与可信计算教育部重点实验室,武汉 430072,武汉大学 计算机学院,武汉430072;武汉大学 空天信息安全与可信计算教育部重点实验室,武汉 430072

#计算机科学技术#

0评论(0 分享(0)