题目：人体异常行为识别研究

       智能视频监控系统在社会安防体系中的重要性日益凸显，在防范犯罪的发生、保障人民生命财产安全等方面起到极其重要的作用。随着视频监控系统智能化程度的不断攀升，基于计算机视觉的人体异常行为识别研究在近些年来成为了一个重要的且具有挑战性的研究课题。虽然研究力度日益增大，但目前该项技术并不成熟，尚有的模型和算法都不能很好的识别复杂人体异常行为的发生，特别是对于打斗、抢劫这一类危害性比较大的异常行为识别问题，亟待被解决。本文针对该类异常行为识别问题展开了比较深入的研究并取得了一定成果，主要工作主要有以下几个方面。

       首先，本文针对行人打斗、抢劫的异常行为建立了一套全新的、有效的异常行为识别算法，突破了目前比较流行的行为识别算法无法识别此类复杂行为的局限性。算法中建立了兴趣点运动分析模型，通过分析人体目标兴趣点的运动来代替对目标整体运动的分析，从而实现对异常行为的判别。

       第二，本文创新性的建立了一个针对兴趣点运动的分析模型，并命名其为粒子运动模型。该模型主要由两方面构成：一是根据异常行为特点而构建的三个兴趣点运动约束条件；二是根据统计理论构建的计算公式。通过运用约束条件和公式并结合兴趣点运动信息可以计算得到一个特征值，通过比较特征值和阈值即可判别异常行为的发生。

       第三，本文针对粒子运动模型中的一个约束条件构建了粒子运动方向模型，该模型主要用于判别兴趣点是否处于混乱状态，有效地将理论约束转化为兴趣点运动信息的数据计算，从而保证了粒子运动模型约束条件的实现。

       最后本文将提出的算法在BEHAVE视频数据集和其他视频数据集上进行了测试，证实了该算法在识别行人打斗、抢劫异常行为方面的有效性和良好性能。