针对视频序列中的几种异常行为,构建训练模型,对其进行识别。使用卷积神经网络(CNN)进行特征提取并采用Adam算法(一种基于梯度的优化算法)进行优化。引入自适应池化层,筛选出判别的特征信息,减轻网络的计算量,加快识别视频序列中存在的异常行为。使用Adam算法对模型进行优化后,识别率可以达到87.6%,引入自适应池化层后,识别率可以达到91.9%。该卷积神经网络对视频序列中基本的异常行为的检测效果比改进的轨迹跟踪(iDT)和双流网络更快更准确;相较于时间分割网络(TSN)和时间关系网络(TRN),识别的准确率稍低,但是识别的速度更快。

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。

MATLAB异常行为识别。matlab，需要具备一定编程基础。

钻井过程人员异常行为视频智能识别系统.pdf

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，

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。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。

基于深度学习的老人异常行为研究.pdf

人群中的异常行为是一大潜在威胁，自动检测监控中的异常行为成为近年的研究热点之一。然而，由于异常的未知性与复杂性，已有的检测方法仍然存在检测率低、定位精度差的问题。为此，提出了对视频监控中的人群异常行为自动检测与定位的方法。结合灰度值与光流场的分布提取运动区域；对运动区域分割得到有效的运动块，从中提取表示外观和动态的两种特征，即局部H梯度方向直方图G和局部H光流方向直方图F特征；使用k-means方法对运动块进行聚类，对每类样本使用一类分类器进行建模。最后，加入运动连续性约束，以抑制干扰噪声。在两个复杂的异常行为数据集上的实验结果表明，本文方法明显优于已有的检测方法，且可以满足正确率高、抗干扰能力强等实际工程需求。