• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于軌跡分析的異常行為識(shí)別與管控研究*

    2015-08-02 03:58:43王曉龍邱衛(wèi)東
    信息安全與通信保密 2015年3期
    關(guān)鍵詞:暴力行為特征向量軌跡

    王曉龍, 郭 捷, 邱衛(wèi)東, 徐 鵬, 郭 曼, 張 茜

    (1上海交通大學(xué)電子信息與電氣工程學(xué)院,上海 200240;(2山東省警官培訓(xùn)學(xué)院信息技術(shù)研究所,山東 濟(jì)南 250000;(3科學(xué)技術(shù)部火炬高技術(shù)產(chǎn)業(yè)開發(fā)中合,山東 濟(jì)南 250000;

    (4山東省警官培訓(xùn)學(xué)院,山東 濟(jì)南 250000;)

    基于軌跡分析的異常行為識(shí)別與管控研究*

    王曉龍1, 郭 捷1, 邱衛(wèi)東1, 徐 鵬2, 郭 曼3, 張 茜4

    (1上海交通大學(xué)電子信息與電氣工程學(xué)院,上海 200240;(2山東省警官培訓(xùn)學(xué)院信息技術(shù)研究所,山東 濟(jì)南 250000;(3科學(xué)技術(shù)部火炬高技術(shù)產(chǎn)業(yè)開發(fā)中合,山東 濟(jì)南 250000;

    (4山東省警官培訓(xùn)學(xué)院,山東 濟(jì)南 250000;)

    人類行為識(shí)別是模式識(shí)別領(lǐng)域的一個(gè)重要研究方向,是綜合了計(jì)算機(jī)視覺與機(jī)器學(xué)習(xí)的多領(lǐng)域?qū)W科。 而異常行為的識(shí)別與管控,因?yàn)槠湫袨橹黧w與行為模式的復(fù)雜性,是人類行為識(shí)別領(lǐng)域中的重點(diǎn)與難點(diǎn)。 本文采用了一種新的運(yùn)動(dòng)目標(biāo)軌跡提取算法,通過計(jì)算軌跡的特征向量,采用詞袋模型進(jìn)行建模,再把提取到的特征投入到支持向量機(jī)SVM(Support Vector Machine)中進(jìn)行學(xué)習(xí)。 我們?cè)趪H標(biāo)準(zhǔn)暴力行為視頻數(shù)據(jù)庫 HockyFights 上實(shí)現(xiàn)了實(shí)驗(yàn)仿真,獲得了很好的識(shí)別分類效果。監(jiān)獄內(nèi)罪犯的暴力行為的識(shí)別將是我們下一步研究的重點(diǎn)。

    行為識(shí)別;軌跡分析;機(jī)器學(xué)習(xí)

    0 引言

    隨著監(jiān)控?cái)z像頭在民用與軍用領(lǐng)域的大范圍普及,如何分析浩如煙海的視頻資料,從中及時(shí)獲得所感興趣的信息,已經(jīng)成為日益迫在眉睫的需求。傳統(tǒng)的人工監(jiān)控的方法需要大量的人力成本,不僅費(fèi)時(shí)費(fèi)力,而且容易導(dǎo)致漏檢誤報(bào)。而新興的視頻行為分析方法,可自動(dòng)分析視頻中人類行為的模式及特征,可針對(duì)特定行為進(jìn)行實(shí)時(shí)監(jiān)控報(bào)警,從而大幅度地降低人工勞動(dòng),并提高響應(yīng)時(shí)間與準(zhǔn)確率。人類行為識(shí)別(Human action recognition),是模式識(shí)別與計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要研究方向,也是當(dāng)前世界范圍內(nèi)學(xué)界研究的熱點(diǎn)與難點(diǎn)。

    經(jīng)典的行為分析模式包括計(jì)算運(yùn)動(dòng)能量圖MEI(Motion Energy Image)和運(yùn)動(dòng)歷史圖MHI(Motion History Image)[1],它們需要提取到完整的前景目標(biāo),再分析前景目標(biāo)的輪廓變化,由于需要其對(duì)背景的穩(wěn)定性有著很高的要求,因此在視頻背景多變的環(huán)境下,不能很好地鑒別出特定行為。

    近年來,采用局部特征描述視頻的方法,日益流行。Laptev通過擴(kuò)展Harris角點(diǎn)算法到3D視頻序列中,獲得了一種被稱為時(shí)空特征點(diǎn)STIP(Space-Temporal Interest Point)[2]的行為檢測(cè)算法。

    不過,空間二維和時(shí)間一維對(duì)于視頻而言具有不一樣的特性,而 STIP 等方法不能很好地區(qū)分它們。因此,作為STIP的延伸與發(fā)展,新的局部特征提取與分類方法[3-5]獲得了較好的分類效果。通過跟蹤興趣點(diǎn)在視頻序列中的流動(dòng),獲得運(yùn)動(dòng)軌跡就是其中一種簡練的方法。 Messing 等人[6]通過跟蹤 Harris3D 特征點(diǎn)獲得軌跡獲得不錯(cuò)的效果。 Sun[7]通過匹配 SIFT(Scale-Invariant Feature Transform)描述子的方式獲得了軌跡。 Wang[8]通過在興趣點(diǎn)附近密集采樣和光流法等來提取軌跡,均獲得了不錯(cuò)的分類效果。

    暴力行為是視頻監(jiān)控的重點(diǎn)與難點(diǎn),由于暴力行為涉及的前景對(duì)象較多,動(dòng)作模式更加繁雜無序,因此區(qū)分也較為困難。實(shí)時(shí)的暴力識(shí)別算法較少,F(xiàn)illipe 等人[9]利用了STIP對(duì)暴力行為進(jìn)行了分類。Tai[10]通過計(jì)算光流矢量來對(duì)暴力行為進(jìn)行監(jiān)控,Martin[11]則采用了多尺度上的局部二相模式直方圖(Muti-Scale Binary Pattern Histogram) 。

    為此,我們希望將軌跡分析的分類方法應(yīng)用到暴力行為的識(shí)別管控中。通過對(duì)暴力行為軌跡形態(tài)的提取與分析,從而得到暴力行為的分類依據(jù)。

    1 基于軌跡的暴力行為識(shí)別算法

    在我們的研究中,首先采用新型的ORB(Oriented FAST and Rotated BRIEF)[12]算法逐幀對(duì)暴視頻提取軌跡;之后針對(duì)這些軌跡進(jìn)行了優(yōu)化,弱化了背景噪音對(duì)于軌跡的影響。我們分別采用ORB 描述子與馬爾可夫過程來描述這些軌跡,并提取特征向量。對(duì)于提取到的特征向量,采用詞袋模型(bag-of-words model)建模。我們用多核支持向量機(jī)(Muti-kernel Support Vector Machine)[18],對(duì)所獲得的向量進(jìn)行學(xué)習(xí)與分類。 具體的算法流程見圖1所示。

    圖1 算法的基本流程

    1.1 軌跡提取算法

    為了克服傳統(tǒng)的軌跡提取算法所提取的軌跡較為破碎且易受環(huán)境噪音干擾的缺點(diǎn),本文采用了一種新的軌跡提取算法,對(duì)視頻序列進(jìn)行軌跡提取。

    我們所采用的是基于 ORB[12]興趣點(diǎn)算法的逐幀匹配算法。本質(zhì)上講, ORB算法是FAST(Features from Accelerated Segment Test)[13]和 BRIEF(Binary Robust Independent Elementary Features)[14]的混合與改進(jìn)。 首先,它應(yīng)用 FAST 算法來找到興趣點(diǎn),接著采用 Harris 角點(diǎn)的測(cè)量方法,來找到其中最重要的 N 個(gè)興趣點(diǎn)。 為了計(jì)算 FAST 所找到的興趣點(diǎn)的主方向角,ORB 算法計(jì)算了該興趣點(diǎn)的質(zhì)心:

    其中,mpq被定義為:

    而主方向角為:

    同時(shí),為了保證 BRIEF 描述子具有旋轉(zhuǎn)不變性,我們需要使得該描述子緊貼這個(gè)主方向角。 對(duì)于在興趣點(diǎn)(Xi, Yi) 處的 n維特征向量

    我們通過下式將S緊貼到主方向角上:

    此時(shí),BRIEF 算子變?yōu)椋?/p>

    我們采用計(jì)算海明碼距離的方式,對(duì)相鄰兩幀間的興趣點(diǎn)集進(jìn)行匹配。

    1.2 特征向量描述

    特征向量是下一步機(jī)器學(xué)習(xí)的輸入,優(yōu)秀的特征向量需要能代表軌跡的根本性質(zhì),并且具有更高的辨識(shí)度。 軌跡的特性有兩方面,一是軌跡所跟蹤的特征點(diǎn)的外形特征,二是軌跡的幾何特征。

    對(duì)于外形特征,我們采用的是ORB的描述子向量,這是一個(gè)25 維的向量。如前一節(jié)所述,該描述子向量具有均方差大,辨識(shí)度好的特征。

    對(duì)于軌跡的幾何特征,常見的特征向量是HOG(Histogram of Gradient)[15],MBH(Motion Boundary Histogram)[16]等。這兩種特征統(tǒng)計(jì)的是軌跡周圍的梯度或光流直方圖。另外也有直接統(tǒng)計(jì)軌跡的方向的算法存在[8],但對(duì)于軌跡形狀的近似統(tǒng)計(jì)并不能很好的描述軌跡的幾何特性,因此我們采用了文獻(xiàn)[6]所闡述的觀點(diǎn),認(rèn)為運(yùn)動(dòng)軌跡是一個(gè)馬爾科夫過程(Markov Procedure),并計(jì)算狀態(tài)轉(zhuǎn)移矩陣的特征向量,作為特征向量的另一部分。

    所謂馬爾科夫鏈,是指一系列隨機(jī)變量[X1,X2,X3,…] ,其具有馬爾科夫性,即給定一個(gè)現(xiàn)有的狀態(tài),那么過去的狀態(tài)和未來的狀態(tài)都是獨(dú)立的,亦即每個(gè)狀態(tài)都只取決于它之前的狀態(tài)。Xi的所有可能取值構(gòu)成的表 S 稱之為狀態(tài)空間表。 當(dāng)該空間有限時(shí)(假設(shè)有 K 個(gè)狀態(tài)),其狀態(tài)轉(zhuǎn)移的概率分布可以被表述成為一個(gè)矩陣 Pkxk。 假設(shè)從任何狀態(tài)都可到達(dá)所有狀態(tài)( 可遍歷馬爾鏈),則該矩陣有著如下特性:存在唯一的向量 π,使得

    且存在如下的近似算法:

    定理:1)對(duì)于所有的遍歷馬爾可夫鏈,存在極限:

    其中

    2)A 中的每一行都是 π[1]

    根據(jù)此定理,我們可以用一個(gè)較大的 n值來近似計(jì)算 A。我們將軌跡離散化成 25 個(gè)狀態(tài)(包括 0 狀態(tài)),因此,A 的是一個(gè) 25維的向量,該向量與 ORB 的描述子向量聯(lián)合起來,成為我們的 50維特征向量。

    1.3 建立詞袋模型

    詞袋模型是我們?cè)谝曨l行為分析中,最常用的一個(gè)統(tǒng)計(jì)模型。 該模型利用 K 聚類(K-Cluster) 算法,將我們所得到的特征向量聚為 K類,稱為一個(gè)詞典。

    有了這個(gè)詞典,我們就可以對(duì)視頻中的每個(gè)特征向量,計(jì)算與該向量距離最近的詞,從而可以得到一個(gè)K維的分布向量。 這個(gè)K維的向量就稱為該視頻的詞袋模型

    1.4 多核支持向量機(jī)進(jìn)行訓(xùn)練與分類

    當(dāng)我們建立了詞袋模型,獲得了輸入向量之后,為了能獲得更好的分類效果,需要將兩種特征向量結(jié)合起來。

    為此,我們需要謹(jǐn)慎地挑選一種機(jī)器學(xué)習(xí)的方法,使之能夠更好地 對(duì)其進(jìn)行分類。 我們所采用的方法是 Muti-channel SVM[18],不同的描述子通過多頻道的途徑結(jié)合起來[17]

    其中,是視頻 xi和 xj之間,在第 c 個(gè)特征向量下的 χ2距離。Ac是第 c個(gè)特征向量中,訓(xùn)練集平均距離。

    2 實(shí)驗(yàn)結(jié)果分析

    HockyFights 數(shù)據(jù)集[22]是一個(gè)收錄了各種冰球比賽打架集錦的暴力分析數(shù)據(jù)集。 其共由 500 段打架視頻和 500 段非打架視頻組成。是目前常用的暴力行為檢測(cè)數(shù)據(jù)集。我們?cè)谠摂?shù)據(jù)集上對(duì)算法進(jìn) 行了測(cè)試, 硬件環(huán)境是: Intel Core I3-3227U 1.9HZ CPU, 4GB 內(nèi)存,64 位 Windows 8.1 操作系統(tǒng)。

    2.1 詞袋模型的參數(shù)設(shè)定

    詞袋模型中,詞數(shù) K 值的大小,對(duì)于之后的分類效果有著重要的影響。

    在實(shí)踐中,我們發(fā)現(xiàn),詞數(shù) K 對(duì)于之后的分類效果有著較大的影響,當(dāng)K值在1000左右時(shí),分類效果較好,因此之后的實(shí)驗(yàn)中,我們?nèi)=1000。具體參見圖 2。

    圖2 詞數(shù)對(duì)分類效果的影響

    2.2 軌跡提取算法的效果對(duì)比實(shí)驗(yàn)

    在很多算法中,都是采用 SIFT[19]和 SURF[20]算法逐幀匹配從而獲得視頻序列中的軌跡的。我們分別利用SIFT 算法、SURF算法,ORB 算法,提取測(cè)試視頻的時(shí)空興趣點(diǎn),實(shí)驗(yàn)仿真結(jié)果如圖 3所示。從實(shí)驗(yàn)結(jié)果可以看出,ORB所提取的興趣點(diǎn)顯然比SURF和SIFT更多地集中在前景目標(biāo)上,在三幅圖像中表現(xiàn)得最好,而SURF和SIFT所提取到的興趣點(diǎn)則更分散。

    相較于SIFT和SURF算法,ORB算法有著如下幾個(gè)特性:

    1)計(jì)算速度快:相同條件下,ORB算法速度與標(biāo)準(zhǔn)的 SIFT 算法速度相差一個(gè)數(shù)量級(jí)。

    2)興趣點(diǎn)檢測(cè)效果更好:如圖4所示,ORB算法對(duì)于前景目標(biāo)中的特征點(diǎn)檢測(cè)效果更好,也就在更大程度上減少了背景對(duì)之后軌跡計(jì)算所產(chǎn)生的干擾。

    3)描述子向量區(qū)分度更好:由于BRIEF描述子在概率分布上具有較大的方差,因此特征間的區(qū)分度更高,也為之后進(jìn)行機(jī)器學(xué)習(xí)奠定了基礎(chǔ)。

    圖3不同特征點(diǎn)算法的效果

    我們分別將 SIFT,SURF 和 ORB 算法應(yīng)用到視頻序列中,通過匹配相鄰幀中的興趣點(diǎn),以獲得軌跡。在實(shí)踐中,我們發(fā)現(xiàn),軌跡的長度對(duì)分類結(jié)果有著重要影響。 對(duì)于標(biāo)準(zhǔn)的24幀每秒的圖像,我們認(rèn)為,長度小于 7 的軌跡都不具有代表性,因此只統(tǒng)計(jì)長度在7以上的軌跡。 我們對(duì)10個(gè)視頻片段的軌跡平均長度和軌跡數(shù)進(jìn)行了統(tǒng)計(jì),具體參見表 1。

    實(shí)驗(yàn)結(jié)果表明 ORB 算法的魯棒性和完整性更高,更能提取出前景目標(biāo)的運(yùn)動(dòng)軌跡,因此也更適合用在視頻行為分析的場合。

    2.3 在 HockyFights 數(shù)據(jù)集上對(duì)算法的實(shí)驗(yàn)。

    我們分別采用了 ORB 描述子,馬爾可夫矩陣的特征向量,以及兩者結(jié)合,對(duì)該數(shù)據(jù)集進(jìn)行了測(cè)試。 我們分別在 fi399-xvid.avi和 no399-xvid.avi上做了測(cè)試,獲得的軌跡如圖 4 所示。

    圖4提取出的軌跡

    據(jù)此將1 000份測(cè)試集分為十組(每組由 50 個(gè)打架片段和 50個(gè)非打架片段)。 采用交叉驗(yàn)證的方式,我們將其中的九組作為訓(xùn)練集,一組作為測(cè)試集進(jìn)行測(cè)試,并統(tǒng)計(jì)它們的平均正確率如表2所示。

    表 2 在 HockyFights 上的實(shí)驗(yàn)結(jié)果

    從實(shí)驗(yàn)結(jié)果上,我們的算法據(jù)有較好的性能,達(dá)到了當(dāng)前學(xué)界的先進(jìn)水平。

    3 結(jié)語

    針對(duì)暴力行為識(shí)別這一問題,我們的主要貢獻(xiàn)在于,基于ORB 算法,提出了一種新的軌跡提取方法,該方法較之前的方法速度更快,魯棒性更好。 同時(shí)我們將軌跡分析與暴力行為分類相結(jié)合,通過提取暴力行為的軌跡特征,進(jìn)行機(jī)器學(xué)習(xí)的訓(xùn)練與分類,并在測(cè)試數(shù)據(jù)集上進(jìn)行了翔實(shí)的實(shí)驗(yàn),獲得了良好的分類效果。 該算法時(shí)間復(fù)雜度較低,經(jīng)過進(jìn)一步優(yōu)化能夠達(dá)到處理實(shí)時(shí)視頻的目的。 下一步,我們還將此識(shí)別算法,應(yīng)用于監(jiān)獄內(nèi)罪犯打架斗毆等異常行為的識(shí)別。 監(jiān)獄罪犯不同于普通人群,其統(tǒng)一著樣式囚服,理短發(fā),體態(tài)行為等方面較為一致,可能需要在識(shí)別算法上進(jìn)一步完善,以滿足對(duì)監(jiān)獄罪犯暴力行為的識(shí)別。

    [1]Aaron F.BOBICK, James W.DAVIS.The Recognition of Human Movement using Temporal Templates[J] .IEEE Transactions on Pattern Analysis and Machine Intelligence, 2001,23(3):257-267.

    [2]I.LAPTEV.On Space-Time Interest Points[J] .International Journal of Computer Vision, 2005(2-3) :107-123.

    [3]CHENGZhongwei, QIN Lei, HUANG Qingming, etc.Human Group Action by Layered Model with Multiple Cues[J] .Neurocomputing, 2014(136) :124-135.

    [4]Ramanathan MAONJ, YAU Wei-Yun, Teoh Eam KHWANG,etc.Human Action Recognition with Video Data: Research and Evaluation Challenges[J] .IEEE Transactions on Human-Machine Systems, 2014(138) :67-78.

    [5]YU Jeongmin, Jeon Moongu, and Pedrycz WITLOD.Weighted Feature Trajectories and Concatenated Bag-of-Features for Action Recognition[J].Neurocomputing, 2014(131):200-207.

    [6]R.MESSING, C.PAL, and H.KAUTZ.Activity Recognition using the Velocity Histories of Tracked Keypoints[C ] //Proceedings of the IEEE International Conference on ComputerVision.Kyoto, Japan, 2009:104-111.

    [7]J.SUN, X.WU, S.YAN, etc.Hierarchical spatio-temporal Context Modeling for Action Recognition[C] //IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops.Colorado Springs, USA, 2009:2004-2011

    [8]H.Wang, A.KLAESER, C.SCHMID, and C.-L LIU.Action Recognition by Dense Trajectories[C ] //Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Colorado Springs, USA, 2011:3169-3176.

    [9]De Souza FILLIPE, D.M.CHAVEZ, etc.Violence Detection in Video using Spatio-Temporal features[C] //Proceedings-23rd SIBGRAPI Conference on Graphics, Patterns and Images.Rio de Janeiro, Brazil, 2010:224-230.

    [10]MARTIN V., GLOTIN H., PARIS S., etc.Violence Detection in Video by Large scale Multi-Scale Local Binary Patterns Dynamics[C] //CEUR Workshop Proceedings.Fossabanda, Pisa, Italy, 2012:160-167.

    [11]H.TAL, I.YOSSI,K.ORIT.Violent Flows: Real-Time Detection of Violent Crowd Behavior[C] //IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops.Colorado Springs, USA, 2012:1-6.

    [12] E.RUBLEE, V.RABAUD, K.KONIGE, and G.BRADSKI. ORB: an Efficient Alternative to SIFT or SURF[C] //Proceedings of the IEEE International Conference on Computer Vision.Barcelona, Spain, 2011:2564-2571.

    [13]R.EDWARD, D.TOM.Machine Learning for High-Speed Corner detection[C ] //Proceedings of European Conference of Computer Vision.Graz, Austria, 2006:430-443.

    [14] Michael CALONDER, Vincent LEPTET, Christophe STRECHA,and Pascal FUA.BRIEF: Binary Robust Independent Elementary Features[C] //Proceedings of European Conference of Computer Vision.Heraklion, Greece, 2010:778-792.

    [15]Dalal NAVNEET.Histograms of Oriented Gradients for Human Detection[C] //Proceedings-2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Colorado Springs, USA, 2005:886-893.

    [16]Dalal NAVNEET, Triggs BILL, and Schmid CORDELIA.Human Detection Using Oriented Histograms of Flow and Appearance[C] //Proceedings of European Conference of Computer Vision.Graz, Austria, 2006:428-441.

    [17] I.LAPTEV, M.MARSZALEK, C.SCHMID, and B.ROZENFELD.Learning Realistic Human Actions from Novies[C] // Proceedings of IEEE Conference on Computer Vision and Pattern Recognition.Colorado Springs, USA, 2008:11-19.

    [18]M.M.ULLAH, S.N.PARIZI, and I.LAPTEV.Improving Bag-of-Features Action Recognition with non-local Cues [C ] //Proceedings of British Machine Vision Conference. Aberystwy, British, 2010:23-35.

    [19]Lowe David G.Distinctive Image Features from Scale-Invariant Keypoints[J] .International Journal of Computer Vision,2004, 60(2):91-110.

    [20]Bay HERBERT, Ess ANDREAS, Tuytelaars TINNE, etc. SURF: Speeded Up Robust Features[C ] //Proceedings of European Conference of Computer Vision.Graz, Austria,2006:404-417.

    Abnormal Behavior Detection and Control based on Trajectory Analysis

    WANG Xiao-long1,GUO Jie1,QIU Wei-dong1,XU Peng2, GUO Man3, ZHANG Han4
    (1School of Electronic Information and Electrical Engineering, SJTU,Shanghai 200240, China;
    2Research Institute of Information Technology, Shandong Provincial Police Training School,Jinan Shandong 250000, China;3TORCH High-Tech Industry Development Center, Ministry of Science and Technology, Jinan Shandong 250000, China;4Shandong Provincial Police Training School, Jinan Shandong 250000, China)

    Human behavior recognition, as an important branch of pattern recognition, is a multi-field subject integrating computer vision and machine learning.Abnormal-behavior detection and control, due to the complexity of behavers and behavior pattern, is the focal point and difficult point as well in human-behavior recognition.A novel algorithm to extract motion trajectories is proposed in this paper.By calculating feature vectors, a bag-of-words model is constructed,and the extracted vectors are put into muti-kernel SVM (Support Vector Machine) for study.Experienmental simulation on the violent behavoir video dataset HockyFights achieves fairly good result of recognition and classification.In addition, the subsequent research would focus on violent-behavior recognition of prisoners in jail.

    behavior recognition;trajectory analysis;machine learning

    TP391

    A

    1009-8054(2015)03-0076-05

    王曉龍(1988—),男,碩士,主要研究方向?yàn)槟J阶R(shí)別、計(jì)算機(jī)視覺;

    郭 捷(1980—),女,博士,副研究員,碩士生導(dǎo)師,主要研究方向?yàn)槎嗝襟w安全、數(shù)據(jù)庫安全、網(wǎng)絡(luò)安全、圖象處理與視頻通信等;

    邱衛(wèi)東(1973—),男,博士,教授,博士生導(dǎo)師,主要研究方向?yàn)橛?jì)算機(jī)取證、密碼分析破解、密鑰防護(hù)及電子信息對(duì)抗;

    徐 鵬(1978—),男,碩士,研究所所長,主要研究方向?yàn)楸O(jiān)獄智能化安全防范、計(jì)算機(jī)軟件設(shè)計(jì)、物聯(lián)網(wǎng)應(yīng)用、大數(shù)據(jù)挖掘;

    郭 曼(1982—),女,碩士,工程師,主要研究方向?yàn)檗r(nóng)業(yè)數(shù)據(jù)集成研究;

    張 苗(1980—),女,碩士,講師,主要研究方向?yàn)楸O(jiān)獄數(shù)據(jù)集成研究?!?/p>

    2014-11-03

    國家科技支撐計(jì)劃課題(No.2014BAK06B00),上海市教育委員會(huì)科研創(chuàng)新項(xiàng)目(No.12ZZ019)

    猜你喜歡
    暴力行為特征向量軌跡
    二年制職教本科線性代數(shù)課程的幾何化教學(xué)設(shè)計(jì)——以特征值和特征向量為例
    克羅內(nèi)克積的特征向量
    軌跡
    軌跡
    軌跡
    一類特殊矩陣特征向量的求法
    進(jìn)化的軌跡(一)——進(jìn)化,無盡的適應(yīng)
    中國三峽(2017年2期)2017-06-09 08:15:29
    EXCEL表格計(jì)算判斷矩陣近似特征向量在AHP法檢驗(yàn)上的應(yīng)用
    媒介分析:動(dòng)畫暴力對(duì)兒童的影響
    戲劇之家(2016年6期)2016-04-16 13:01:01
    第一次遭遇家暴該怎么處理?
    婦女生活(2015年6期)2015-07-13 06:17:20
    亚洲自拍偷在线| 男女之事视频高清在线观看| 窝窝影院91人妻| 久久久久九九精品影院| 国产精品久久久久久精品电影| 一二三四在线观看免费中文在| 精品久久久久久成人av| 亚洲av熟女| 亚洲真实伦在线观看| 麻豆一二三区av精品| 十八禁人妻一区二区| 99热只有精品国产| 老汉色∧v一级毛片| 怎么达到女性高潮| 久9热在线精品视频| 国产精品一区二区三区四区久久| 一边摸一边做爽爽视频免费| 最新在线观看一区二区三区| 极品教师在线免费播放| 日韩成人在线观看一区二区三区| 国产精品乱码一区二三区的特点| 色综合欧美亚洲国产小说| 免费搜索国产男女视频| 亚洲精品久久成人aⅴ小说| 午夜激情av网站| 久久久久久久久免费视频了| 午夜老司机福利片| 国产精品日韩av在线免费观看| 久久久久久九九精品二区国产 | 午夜福利18| 看黄色毛片网站| 很黄的视频免费| 九色成人免费人妻av| 99久久久亚洲精品蜜臀av| 国产激情偷乱视频一区二区| 久久久久性生活片| 日韩欧美 国产精品| 熟女少妇亚洲综合色aaa.| 亚洲国产精品成人综合色| 97人妻精品一区二区三区麻豆| 757午夜福利合集在线观看| 成人亚洲精品av一区二区| 夜夜爽天天搞| 舔av片在线| 久久天堂一区二区三区四区| 亚洲成人久久性| 亚洲欧美日韩东京热| 中文在线观看免费www的网站 | 国产激情偷乱视频一区二区| 久99久视频精品免费| 狠狠狠狠99中文字幕| avwww免费| 变态另类成人亚洲欧美熟女| 亚洲 欧美一区二区三区| 美女 人体艺术 gogo| 在线观看美女被高潮喷水网站 | 女人被狂操c到高潮| 欧美成人性av电影在线观看| 国产91精品成人一区二区三区| 日韩欧美国产一区二区入口| 在线十欧美十亚洲十日本专区| 可以免费在线观看a视频的电影网站| 国产黄色小视频在线观看| 久久精品夜夜夜夜夜久久蜜豆 | 久久久久亚洲av毛片大全| 国产午夜精品论理片| 成熟少妇高潮喷水视频| av超薄肉色丝袜交足视频| 十八禁网站免费在线| 亚洲真实伦在线观看| av免费在线观看网站| 黄色丝袜av网址大全| 日韩有码中文字幕| 男女视频在线观看网站免费 | 热99re8久久精品国产| 最近最新中文字幕大全免费视频| 亚洲av美国av| 亚洲精品一区av在线观看| 亚洲人成网站在线播放欧美日韩| 国产伦一二天堂av在线观看| 可以在线观看毛片的网站| 欧美久久黑人一区二区| 校园春色视频在线观看| 精品欧美国产一区二区三| 亚洲国产精品成人综合色| 国产高清视频在线观看网站| 嫩草影视91久久| 麻豆一二三区av精品| 精品久久久久久成人av| 久久久久性生活片| 一本一本综合久久| 久久精品成人免费网站| 国产精品精品国产色婷婷| 天堂动漫精品| 18禁黄网站禁片免费观看直播| 又紧又爽又黄一区二区| 免费一级毛片在线播放高清视频| 特大巨黑吊av在线直播| 美女 人体艺术 gogo| 俺也久久电影网| 亚洲av熟女| 一个人免费在线观看的高清视频| 国产91精品成人一区二区三区| 动漫黄色视频在线观看| 日韩欧美在线乱码| 91大片在线观看| 成人国语在线视频| 亚洲色图 男人天堂 中文字幕| 岛国在线免费视频观看| 亚洲无线在线观看| 一进一出好大好爽视频| 亚洲全国av大片| 国产精品一区二区精品视频观看| 亚洲 欧美一区二区三区| 精品久久久久久久久久久久久| 欧美3d第一页| 99在线视频只有这里精品首页| 岛国在线免费视频观看| 88av欧美| 免费在线观看影片大全网站| 真人做人爱边吃奶动态| 日韩欧美国产在线观看| 国产97色在线日韩免费| 亚洲欧美日韩高清专用| 亚洲av熟女| 琪琪午夜伦伦电影理论片6080| 久久99热这里只有精品18| 午夜影院日韩av| 成人av一区二区三区在线看| 亚洲人成网站在线播放欧美日韩| 欧美乱色亚洲激情| 制服人妻中文乱码| 国产精品亚洲av一区麻豆| 又大又爽又粗| 一个人免费在线观看电影 | 色在线成人网| 日韩中文字幕欧美一区二区| 超碰成人久久| 黑人操中国人逼视频| 国产精品电影一区二区三区| 制服人妻中文乱码| 日本三级黄在线观看| 可以在线观看的亚洲视频| 欧美在线一区亚洲| 视频区欧美日本亚洲| 岛国视频午夜一区免费看| 亚洲专区国产一区二区| 一级毛片精品| 可以在线观看的亚洲视频| 亚洲五月婷婷丁香| 黄片大片在线免费观看| 1024视频免费在线观看| 亚洲黑人精品在线| 欧美黑人巨大hd| 一夜夜www| 国产视频一区二区在线看| 又紧又爽又黄一区二区| 三级男女做爰猛烈吃奶摸视频| 国内少妇人妻偷人精品xxx网站 | 国产精品一区二区精品视频观看| 国产精品影院久久| 亚洲精品国产一区二区精华液| 夜夜爽天天搞| 俄罗斯特黄特色一大片| 亚洲国产欧洲综合997久久,| 丰满的人妻完整版| 一区福利在线观看| 国产精品久久久av美女十八| 久久久国产欧美日韩av| 欧美av亚洲av综合av国产av| 国内揄拍国产精品人妻在线| av欧美777| 国产精品av视频在线免费观看| 精华霜和精华液先用哪个| 久久精品人妻少妇| 999精品在线视频| 精品国产超薄肉色丝袜足j| 欧美成人午夜精品| 女同久久另类99精品国产91| 亚洲av五月六月丁香网| 国产免费男女视频| 99久久99久久久精品蜜桃| 搡老熟女国产l中国老女人| 欧美日韩国产亚洲二区| 欧美激情久久久久久爽电影| 757午夜福利合集在线观看| 日韩国内少妇激情av| 好看av亚洲va欧美ⅴa在| netflix在线观看网站| 久久久久免费精品人妻一区二区| 老司机深夜福利视频在线观看| 成人国产综合亚洲| 亚洲欧美精品综合一区二区三区| 欧美成人午夜精品| 变态另类成人亚洲欧美熟女| 亚洲色图av天堂| 老司机在亚洲福利影院| 欧美成人午夜精品| 我的老师免费观看完整版| 成人国产一区最新在线观看| 欧美日本亚洲视频在线播放| 欧美在线黄色| 一a级毛片在线观看| 亚洲国产看品久久| 亚洲欧美日韩无卡精品| 午夜福利欧美成人| 亚洲成人国产一区在线观看| 亚洲18禁久久av| 五月玫瑰六月丁香| 老汉色av国产亚洲站长工具| 一二三四社区在线视频社区8| 19禁男女啪啪无遮挡网站| 亚洲人成77777在线视频| 神马国产精品三级电影在线观看 | 日本熟妇午夜| 日韩中文字幕欧美一区二区| 色综合亚洲欧美另类图片| а√天堂www在线а√下载| 欧美3d第一页| 亚洲va日本ⅴa欧美va伊人久久| 2021天堂中文幕一二区在线观| 母亲3免费完整高清在线观看| 久久久久精品国产欧美久久久| 丁香六月欧美| 老司机靠b影院| 亚洲av成人不卡在线观看播放网| aaaaa片日本免费| 麻豆成人午夜福利视频| 成人欧美大片| www.自偷自拍.com| 最近视频中文字幕2019在线8| 老司机午夜十八禁免费视频| 99国产精品99久久久久| 一边摸一边做爽爽视频免费| 可以在线观看毛片的网站| 免费在线观看亚洲国产| 久久精品国产99精品国产亚洲性色| 亚洲欧美精品综合久久99| 欧美国产日韩亚洲一区| 成人三级做爰电影| 黑人欧美特级aaaaaa片| 丁香六月欧美| 成人高潮视频无遮挡免费网站| 欧美三级亚洲精品| 久久久久久人人人人人| 亚洲av成人不卡在线观看播放网| 亚洲自偷自拍图片 自拍| 中文字幕av在线有码专区| www.精华液| 国产在线精品亚洲第一网站| 看黄色毛片网站| 岛国在线观看网站| 老汉色∧v一级毛片| 村上凉子中文字幕在线| 午夜a级毛片| 欧美黄色片欧美黄色片| av有码第一页| 国产黄色小视频在线观看| 久久久久九九精品影院| 99久久精品国产亚洲精品| 亚洲国产中文字幕在线视频| 国产成人av激情在线播放| 天堂av国产一区二区熟女人妻 | 黑人操中国人逼视频| 色老头精品视频在线观看| 悠悠久久av| 美女大奶头视频| 男女做爰动态图高潮gif福利片| 1024香蕉在线观看| 国产一区二区三区在线臀色熟女| 亚洲精华国产精华精| 国产成人一区二区三区免费视频网站| 老司机福利观看| 亚洲在线自拍视频| 亚洲av片天天在线观看| 日本熟妇午夜| 亚洲中文字幕一区二区三区有码在线看 | 九色成人免费人妻av| 免费看美女性在线毛片视频| 亚洲五月天丁香| 成人av在线播放网站| 亚洲avbb在线观看| 国产成人精品久久二区二区免费| 黄色成人免费大全| 欧美又色又爽又黄视频| 久久这里只有精品中国| 久久久水蜜桃国产精品网| 亚洲一码二码三码区别大吗| 日韩有码中文字幕| 在线播放国产精品三级| 又黄又粗又硬又大视频| 欧美日韩黄片免| 久久亚洲精品不卡| videosex国产| 精品久久久久久久末码| 一进一出抽搐动态| 国产精品永久免费网站| 香蕉久久夜色| 久久久久久人人人人人| 国产欧美日韩一区二区三| 日本a在线网址| 亚洲欧美日韩高清专用| 校园春色视频在线观看| 久久 成人 亚洲| 国产精品国产高清国产av| 18禁观看日本| 宅男免费午夜| 搡老妇女老女人老熟妇| 欧美日韩福利视频一区二区| 正在播放国产对白刺激| 亚洲成av人片在线播放无| 女同久久另类99精品国产91| 亚洲成人精品中文字幕电影| 床上黄色一级片| 久久精品成人免费网站| 婷婷丁香在线五月| 国产亚洲精品综合一区在线观看 | 国产精品av久久久久免费| 久久久久九九精品影院| 最新在线观看一区二区三区| 怎么达到女性高潮| 亚洲av成人精品一区久久| 久久精品国产综合久久久| 亚洲成人久久性| 久久婷婷人人爽人人干人人爱| 久久久精品欧美日韩精品| 这个男人来自地球电影免费观看| 中出人妻视频一区二区| 好看av亚洲va欧美ⅴa在| 国产精品综合久久久久久久免费| 91麻豆精品激情在线观看国产| 欧美zozozo另类| 两人在一起打扑克的视频| 99热这里只有是精品50| 成年版毛片免费区| 大型黄色视频在线免费观看| 国产高清视频在线观看网站| 又大又爽又粗| 欧美中文综合在线视频| 国产成+人综合+亚洲专区| 亚洲成人久久性| 色综合亚洲欧美另类图片| 国产成人精品无人区| 成人国语在线视频| 久久精品国产综合久久久| 国产高清视频在线播放一区| av欧美777| 国内毛片毛片毛片毛片毛片| 午夜精品久久久久久毛片777| xxx96com| 国产精品一区二区三区四区免费观看 | 日韩有码中文字幕| 久久人妻av系列| 欧美又色又爽又黄视频| cao死你这个sao货| 黄色丝袜av网址大全| 亚洲中文字幕日韩| 岛国视频午夜一区免费看| 两性夫妻黄色片| 夜夜躁狠狠躁天天躁| 老司机靠b影院| 久久精品影院6| 日本一区二区免费在线视频| 男男h啪啪无遮挡| 99久久精品热视频| 久久精品国产99精品国产亚洲性色| 大型黄色视频在线免费观看| 亚洲成av人片免费观看| 丁香六月欧美| 在线观看一区二区三区| 1024视频免费在线观看| 99热这里只有是精品50| 欧美日韩精品网址| 中文字幕人成人乱码亚洲影| 国产黄色小视频在线观看| 成人av在线播放网站| 成人18禁高潮啪啪吃奶动态图| 一边摸一边做爽爽视频免费| 99久久精品热视频| 亚洲国产欧美一区二区综合| 亚洲欧美精品综合久久99| 国产免费男女视频| 精品人妻1区二区| 露出奶头的视频| 黄色片一级片一级黄色片| 真人做人爱边吃奶动态| 大型黄色视频在线免费观看| 欧美日韩中文字幕国产精品一区二区三区| 亚洲人成电影免费在线| 国产av麻豆久久久久久久| 亚洲精品中文字幕在线视频| 99精品欧美一区二区三区四区| 香蕉国产在线看| 啦啦啦观看免费观看视频高清| 我的老师免费观看完整版| 99在线人妻在线中文字幕| 91国产中文字幕| 亚洲第一电影网av| 午夜激情av网站| 国产不卡一卡二| 亚洲国产欧美一区二区综合| 级片在线观看| 中文亚洲av片在线观看爽| www.999成人在线观看| 在线观看日韩欧美| 亚洲精品av麻豆狂野| 我的老师免费观看完整版| 久久香蕉国产精品| 亚洲人成伊人成综合网2020| 国产成+人综合+亚洲专区| 国产一区二区在线观看日韩 | 亚洲五月天丁香| 丰满人妻熟妇乱又伦精品不卡| 熟女电影av网| 99在线人妻在线中文字幕| 99久久国产精品久久久| 在线观看舔阴道视频| 日韩成人在线观看一区二区三区| 欧美日韩中文字幕国产精品一区二区三区| 国产麻豆成人av免费视频| 黑人操中国人逼视频| 丁香欧美五月| 亚洲国产欧美一区二区综合| 精品久久久久久久久久久久久| 国产视频一区二区在线看| 亚洲精品美女久久久久99蜜臀| 狂野欧美白嫩少妇大欣赏| 一本综合久久免费| 男女下面进入的视频免费午夜| a级毛片在线看网站| 黄色丝袜av网址大全| 动漫黄色视频在线观看| 视频区欧美日本亚洲| 中出人妻视频一区二区| 黄色成人免费大全| 五月玫瑰六月丁香| 非洲黑人性xxxx精品又粗又长| 欧美绝顶高潮抽搐喷水| 亚洲美女视频黄频| 亚洲五月婷婷丁香| 窝窝影院91人妻| 色在线成人网| 中国美女看黄片| 成人一区二区视频在线观看| 欧美在线黄色| 国产亚洲欧美98| 亚洲av五月六月丁香网| 国产私拍福利视频在线观看| 悠悠久久av| 国产av一区二区精品久久| 国产成人影院久久av| 精品一区二区三区av网在线观看| 男人舔奶头视频| 亚洲一码二码三码区别大吗| 久久国产精品人妻蜜桃| 男人舔女人的私密视频| 丝袜美腿诱惑在线| 成人18禁在线播放| 久久久久久九九精品二区国产 | 欧美大码av| ponron亚洲| 国产高清有码在线观看视频 | 欧美 亚洲 国产 日韩一| 免费av毛片视频| 99久久国产精品久久久| 国产精品国产高清国产av| 欧美黑人欧美精品刺激| 热99re8久久精品国产| 国产乱人伦免费视频| 老汉色av国产亚洲站长工具| 女人被狂操c到高潮| 黄色成人免费大全| 国产精品九九99| 欧美极品一区二区三区四区| 国产一级毛片七仙女欲春2| 丝袜美腿诱惑在线| 国产精品 欧美亚洲| 一区二区三区高清视频在线| 欧美成人性av电影在线观看| 日韩大尺度精品在线看网址| 亚洲乱码一区二区免费版| 人成视频在线观看免费观看| 免费在线观看日本一区| 亚洲成人中文字幕在线播放| 久久久久九九精品影院| 精品久久久久久久人妻蜜臀av| 国产不卡一卡二| 久99久视频精品免费| 成人高潮视频无遮挡免费网站| 欧美黄色片欧美黄色片| 女人被狂操c到高潮| 在线观看www视频免费| 日韩欧美免费精品| 国产aⅴ精品一区二区三区波| 午夜免费成人在线视频| 午夜免费激情av| 欧美乱色亚洲激情| 欧美黄色片欧美黄色片| 亚洲成a人片在线一区二区| 亚洲熟女毛片儿| 国产黄色小视频在线观看| 精品国产乱子伦一区二区三区| 亚洲国产精品sss在线观看| 操出白浆在线播放| 久久久久久人人人人人| 操出白浆在线播放| 97碰自拍视频| 免费在线观看亚洲国产| 中文亚洲av片在线观看爽| 国产伦人伦偷精品视频| 久久人妻av系列| 巨乳人妻的诱惑在线观看| 精品熟女少妇八av免费久了| 国产精品98久久久久久宅男小说| 国产一区二区三区在线臀色熟女| 男女那种视频在线观看| www日本黄色视频网| 制服诱惑二区| 亚洲国产欧美网| 男女做爰动态图高潮gif福利片| 国产成人一区二区三区免费视频网站| 小说图片视频综合网站| 香蕉丝袜av| 一本精品99久久精品77| 亚洲乱码一区二区免费版| 欧美色视频一区免费| 亚洲欧美精品综合一区二区三区| 最近视频中文字幕2019在线8| 精品久久久久久久久久免费视频| 婷婷精品国产亚洲av在线| 亚洲色图 男人天堂 中文字幕| 国产乱人伦免费视频| 亚洲九九香蕉| 成人欧美大片| 色综合亚洲欧美另类图片| 精品欧美一区二区三区在线| 波多野结衣高清无吗| 好男人在线观看高清免费视频| 国产精品免费视频内射| 午夜亚洲福利在线播放| 精品高清国产在线一区| 天堂动漫精品| 国产高清videossex| 国产一区在线观看成人免费| 久久久久性生活片| 欧美一区二区精品小视频在线| 久久久久九九精品影院| 白带黄色成豆腐渣| 黄频高清免费视频| 亚洲国产欧美网| 久久香蕉国产精品| 99热这里只有是精品50| 国产av一区二区精品久久| 99久久综合精品五月天人人| 人人妻人人澡欧美一区二区| 一进一出抽搐动态| 两个人的视频大全免费| 黄片大片在线免费观看| 欧美日韩精品网址| 午夜福利视频1000在线观看| ponron亚洲| 免费在线观看亚洲国产| 国产精品综合久久久久久久免费| 男人的好看免费观看在线视频 | 91成年电影在线观看| 窝窝影院91人妻| www.999成人在线观看| 欧美久久黑人一区二区| 久久天堂一区二区三区四区| 国产精品 欧美亚洲| 男女下面进入的视频免费午夜| 可以免费在线观看a视频的电影网站| 精品人妻1区二区| 热99re8久久精品国产| 午夜福利高清视频| 欧美人与性动交α欧美精品济南到| 日本黄色视频三级网站网址| 免费看十八禁软件| 亚洲专区国产一区二区| 一级片免费观看大全| 成年版毛片免费区| 日韩av在线大香蕉| 色老头精品视频在线观看| 亚洲精品中文字幕一二三四区| 国产成+人综合+亚洲专区| 叶爱在线成人免费视频播放| 欧美日本视频| 九九热线精品视视频播放| 波多野结衣巨乳人妻| 亚洲熟妇中文字幕五十中出| 九色国产91popny在线| 国产精品免费一区二区三区在线| 正在播放国产对白刺激| 精品国产美女av久久久久小说| 在线播放国产精品三级| 欧美午夜高清在线| 国产aⅴ精品一区二区三区波| 国产91精品成人一区二区三区| 久久久久精品国产欧美久久久| 日韩欧美一区二区三区在线观看| 丰满人妻熟妇乱又伦精品不卡| 久久99热这里只有精品18| 伦理电影免费视频| 久久中文看片网| 淫妇啪啪啪对白视频| 国产欧美日韩精品亚洲av| 成人一区二区视频在线观看| 国产一区在线观看成人免费| 欧美日韩亚洲国产一区二区在线观看| 日韩 欧美 亚洲 中文字幕| 欧美极品一区二区三区四区| 在线观看一区二区三区| www.精华液| 亚洲激情在线av| 亚洲人成网站高清观看|