• <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
    色播在线永久视频| www日本在线高清视频| 中文字幕av电影在线播放| 欧美日韩视频高清一区二区三区二| 两个人看的免费小视频| 久久久久久免费高清国产稀缺| 丰满饥渴人妻一区二区三| 搡老岳熟女国产| 成人亚洲欧美一区二区av| 欧美精品人与动牲交sv欧美| bbb黄色大片| 国产精品秋霞免费鲁丝片| 色视频在线一区二区三区| 久久 成人 亚洲| 亚洲精品中文字幕在线视频| 91成人精品电影| 久久精品人人爽人人爽视色| 老鸭窝网址在线观看| 可以免费在线观看a视频的电影网站| 好男人视频免费观看在线| 国产高清视频在线播放一区 | 国产av一区二区精品久久| 欧美xxⅹ黑人| 欧美中文综合在线视频| 国产片特级美女逼逼视频| 一个人免费看片子| 国产成人精品无人区| 国产成人欧美在线观看 | 国产女主播在线喷水免费视频网站| 首页视频小说图片口味搜索 | 久久免费观看电影| 青春草亚洲视频在线观看| 欧美精品亚洲一区二区| 精品视频人人做人人爽| 亚洲一码二码三码区别大吗| www.精华液| 成年人午夜在线观看视频| 波多野结衣av一区二区av| 99国产综合亚洲精品| 国产成人91sexporn| 91精品伊人久久大香线蕉| 三上悠亚av全集在线观看| www.999成人在线观看| 十八禁人妻一区二区| 激情五月婷婷亚洲| 丝袜在线中文字幕| 99精国产麻豆久久婷婷| 国产成人欧美在线观看 | 日本av免费视频播放| 久久国产精品人妻蜜桃| 女人被躁到高潮嗷嗷叫费观| 尾随美女入室| 亚洲av日韩在线播放| a级毛片在线看网站| 自线自在国产av| 99re6热这里在线精品视频| 亚洲精品自拍成人| 亚洲av成人精品一二三区| 久久久精品94久久精品| 久久99热这里只频精品6学生| 老司机影院毛片| 精品熟女少妇八av免费久了| 亚洲伊人久久精品综合| 母亲3免费完整高清在线观看| 欧美激情 高清一区二区三区| 亚洲欧美一区二区三区黑人| 亚洲av男天堂| 日本av手机在线免费观看| 老司机深夜福利视频在线观看 | 色视频在线一区二区三区| 亚洲欧美清纯卡通| 另类精品久久| 国产又爽黄色视频| 成年人免费黄色播放视频| 叶爱在线成人免费视频播放| 亚洲五月婷婷丁香| 成年女人毛片免费观看观看9 | av电影中文网址| 在线观看www视频免费| 少妇精品久久久久久久| 亚洲成av片中文字幕在线观看| 久久人妻熟女aⅴ| 中文字幕人妻熟女乱码| 午夜久久久在线观看| 99九九在线精品视频| 久久精品久久久久久久性| 在线观看一区二区三区激情| 十八禁网站网址无遮挡| 男女下面插进去视频免费观看| 黄色片一级片一级黄色片| 国产片内射在线| 精品久久久精品久久久| 国产无遮挡羞羞视频在线观看| 人妻 亚洲 视频| 中文字幕另类日韩欧美亚洲嫩草| 国产黄色免费在线视频| 在线av久久热| 国产av国产精品国产| 亚洲精品一卡2卡三卡4卡5卡 | 国产成人欧美| 一区二区日韩欧美中文字幕| 成人亚洲欧美一区二区av| 制服诱惑二区| 午夜久久久在线观看| 女人爽到高潮嗷嗷叫在线视频| 久久国产精品影院| 国产成人系列免费观看| www.av在线官网国产| 中文欧美无线码| 日本猛色少妇xxxxx猛交久久| 人妻人人澡人人爽人人| 一边摸一边做爽爽视频免费| 国产高清视频在线播放一区 | 久久亚洲国产成人精品v| 国产av精品麻豆| 欧美精品一区二区免费开放| 国产免费视频播放在线视频| 极品少妇高潮喷水抽搐| 亚洲国产欧美一区二区综合| av国产精品久久久久影院| 成年av动漫网址| 天天添夜夜摸| 男女高潮啪啪啪动态图| 自线自在国产av| 国产亚洲精品久久久久5区| 啦啦啦在线观看免费高清www| 亚洲欧美精品综合一区二区三区| 国产在线视频一区二区| 大码成人一级视频| 亚洲av综合色区一区| 亚洲中文av在线| 首页视频小说图片口味搜索 | 精品国产乱码久久久久久小说| 精品国产国语对白av| 搡老岳熟女国产| 亚洲一区二区三区欧美精品| 国产99久久九九免费精品| 亚洲国产精品国产精品| 色精品久久人妻99蜜桃| 看免费av毛片| 美女中出高潮动态图| 国产成人影院久久av| 国产99久久九九免费精品| 丁香六月天网| 香蕉国产在线看| 高清不卡的av网站| 精品少妇一区二区三区视频日本电影| 欧美+亚洲+日韩+国产| 赤兔流量卡办理| 成年美女黄网站色视频大全免费| 日韩一卡2卡3卡4卡2021年| 国产人伦9x9x在线观看| 水蜜桃什么品种好| 国产又爽黄色视频| 在线看a的网站| 99久久精品国产亚洲精品| 国产精品一区二区在线不卡| 亚洲精品av麻豆狂野| 一级a爱视频在线免费观看| 亚洲少妇的诱惑av| 蜜桃在线观看..| 满18在线观看网站| 制服人妻中文乱码| 亚洲第一av免费看| 美女主播在线视频| 97人妻天天添夜夜摸| 久久久久精品人妻al黑| www.精华液| 女人被躁到高潮嗷嗷叫费观| 男女免费视频国产| 国产1区2区3区精品| 无遮挡黄片免费观看| 亚洲精品久久久久久婷婷小说| 黄色毛片三级朝国网站| 80岁老熟妇乱子伦牲交| 久久久久久亚洲精品国产蜜桃av| 悠悠久久av| 国产亚洲精品久久久久5区| 国产人伦9x9x在线观看| 丁香六月天网| 最新的欧美精品一区二区| 亚洲中文日韩欧美视频| 亚洲精品一二三| 精品国产一区二区久久| 国产日韩欧美视频二区| 少妇被粗大的猛进出69影院| 一级片免费观看大全| 亚洲精品国产一区二区精华液| 一区二区三区激情视频| 51午夜福利影视在线观看| 黄片播放在线免费| 美女中出高潮动态图| 欧美人与性动交α欧美精品济南到| 人妻人人澡人人爽人人| 19禁男女啪啪无遮挡网站| 精品国产一区二区久久| 久久精品久久久久久久性| 国产精品av久久久久免费| 久久ye,这里只有精品| 黑人巨大精品欧美一区二区蜜桃| 日韩人妻精品一区2区三区| 日日夜夜操网爽| 国产淫语在线视频| 日韩一卡2卡3卡4卡2021年| 亚洲精品成人av观看孕妇| 国产高清不卡午夜福利| 免费在线观看日本一区| 久久精品aⅴ一区二区三区四区| 99精品久久久久人妻精品| 国产老妇伦熟女老妇高清| 精品少妇黑人巨大在线播放| 精品久久蜜臀av无| 午夜两性在线视频| 亚洲男人天堂网一区| 丁香六月天网| 亚洲图色成人| 大香蕉久久网| 国产精品偷伦视频观看了| 亚洲欧洲日产国产| 亚洲一区中文字幕在线| 黑人巨大精品欧美一区二区蜜桃| 九草在线视频观看| 18禁黄网站禁片午夜丰满| 99九九在线精品视频| 国产不卡av网站在线观看| 国产成人一区二区三区免费视频网站 | 欧美精品av麻豆av| 一个人免费看片子| 国产极品粉嫩免费观看在线| 国产精品一二三区在线看| 欧美日韩亚洲综合一区二区三区_| 中国国产av一级| 亚洲国产毛片av蜜桃av| 又大又黄又爽视频免费| 亚洲欧美精品综合一区二区三区| 天堂中文最新版在线下载| 黄色a级毛片大全视频| 男人添女人高潮全过程视频| 七月丁香在线播放| 欧美+亚洲+日韩+国产| 汤姆久久久久久久影院中文字幕| 老司机深夜福利视频在线观看 | 国产极品粉嫩免费观看在线| 超碰97精品在线观看| 满18在线观看网站| 中文字幕精品免费在线观看视频| 精品久久久久久久毛片微露脸 | av国产久精品久网站免费入址| 国产91精品成人一区二区三区 | 国产麻豆69| 一区二区三区激情视频| 日韩av在线免费看完整版不卡| 国语对白做爰xxxⅹ性视频网站| 一本一本久久a久久精品综合妖精| 日韩中文字幕视频在线看片| 精品亚洲成a人片在线观看| 视频在线观看一区二区三区| 国产老妇伦熟女老妇高清| videosex国产| 亚洲 欧美一区二区三区| 久久亚洲精品不卡| 七月丁香在线播放| 人人妻,人人澡人人爽秒播 | 在线观看www视频免费| 久久99一区二区三区| 丝袜美足系列| 国产一卡二卡三卡精品| 国产成人啪精品午夜网站| 精品亚洲成a人片在线观看| 母亲3免费完整高清在线观看| 久久ye,这里只有精品| 欧美国产精品va在线观看不卡| 国产99久久九九免费精品| 婷婷色av中文字幕| 国产一区二区激情短视频 | 母亲3免费完整高清在线观看| 国产成人欧美在线观看 | 亚洲精品美女久久av网站| 777米奇影视久久| 一级黄片播放器| 女性生殖器流出的白浆| 日韩中文字幕视频在线看片| 一边摸一边做爽爽视频免费| 亚洲中文av在线| 成人三级做爰电影| 建设人人有责人人尽责人人享有的| 国产91精品成人一区二区三区 | 国产不卡av网站在线观看| 精品国产乱码久久久久久小说| 在现免费观看毛片| 熟女av电影| 国产一区二区在线观看av| 亚洲国产欧美网| 久久精品aⅴ一区二区三区四区| 日本午夜av视频| 欧美性长视频在线观看| 欧美老熟妇乱子伦牲交| 亚洲国产av新网站| 一级a爱视频在线免费观看| 岛国毛片在线播放| 国产一区亚洲一区在线观看| a级毛片黄视频| 男女床上黄色一级片免费看| 亚洲国产av新网站| 老司机影院成人| 免费少妇av软件| 欧美精品一区二区免费开放| 热re99久久国产66热| 老熟女久久久| 免费女性裸体啪啪无遮挡网站| 国产国语露脸激情在线看| 久久99一区二区三区| 搡老乐熟女国产| 老司机靠b影院| 久久女婷五月综合色啪小说| 免费不卡黄色视频| 欧美人与性动交α欧美软件| 男女无遮挡免费网站观看| 婷婷色麻豆天堂久久| 亚洲欧美日韩高清在线视频 | 人人妻人人澡人人看| 我要看黄色一级片免费的| 免费黄频网站在线观看国产| 母亲3免费完整高清在线观看| 熟女少妇亚洲综合色aaa.| 国产亚洲av高清不卡| 波野结衣二区三区在线| 亚洲国产中文字幕在线视频| 国产精品久久久久久精品古装| 九草在线视频观看| 美女扒开内裤让男人捅视频| 日韩视频在线欧美| 午夜久久久在线观看| 美女午夜性视频免费| 久久久久视频综合| 亚洲国产看品久久| 亚洲精品国产一区二区精华液| 巨乳人妻的诱惑在线观看| 久久久久久亚洲精品国产蜜桃av| 欧美av亚洲av综合av国产av| 国产成人免费观看mmmm| 亚洲成人免费av在线播放| 日本vs欧美在线观看视频| 亚洲图色成人| 一级毛片 在线播放| 亚洲图色成人| 首页视频小说图片口味搜索 | 男女高潮啪啪啪动态图| 18禁国产床啪视频网站| 欧美日韩视频高清一区二区三区二| 免费在线观看完整版高清| 中国国产av一级| 宅男免费午夜| 18禁裸乳无遮挡动漫免费视频| 国产一级毛片在线| 赤兔流量卡办理| 91精品三级在线观看| 女警被强在线播放| 99久久99久久久精品蜜桃| 欧美在线黄色| 日本a在线网址| 青春草亚洲视频在线观看| 999久久久国产精品视频| 欧美xxⅹ黑人| 精品第一国产精品| 亚洲av在线观看美女高潮| 天天操日日干夜夜撸| 人人澡人人妻人| 99久久人妻综合| 一级片免费观看大全| 免费一级毛片在线播放高清视频 | 国产黄色免费在线视频| 一区二区三区激情视频| 欧美人与性动交α欧美精品济南到| 老司机靠b影院| 观看av在线不卡| 中文字幕制服av| 操出白浆在线播放| 亚洲少妇的诱惑av| 啦啦啦在线观看免费高清www| 亚洲国产看品久久| 成人影院久久| 十八禁网站网址无遮挡| 亚洲中文日韩欧美视频| 国产亚洲精品久久久久5区| 久久精品亚洲熟妇少妇任你| 日韩一本色道免费dvd| 亚洲精品成人av观看孕妇| 十八禁人妻一区二区| 久久久精品区二区三区| 欧美日韩福利视频一区二区| 人人妻,人人澡人人爽秒播 | 亚洲伊人色综图| 极品人妻少妇av视频| 女人高潮潮喷娇喘18禁视频| 亚洲综合色网址| 精品视频人人做人人爽| av天堂久久9| 欧美黄色片欧美黄色片| 国产成人免费无遮挡视频| 五月开心婷婷网| 亚洲成人手机| 少妇裸体淫交视频免费看高清 | 纯流量卡能插随身wifi吗| 又大又黄又爽视频免费| 午夜福利视频在线观看免费| 日韩av免费高清视频| 午夜免费观看性视频| 久久ye,这里只有精品| 欧美黑人欧美精品刺激| 精品高清国产在线一区| 天堂中文最新版在线下载| a级毛片黄视频| 亚洲一区二区三区欧美精品| 蜜桃国产av成人99| 一区二区av电影网| 免费少妇av软件| √禁漫天堂资源中文www| 国产欧美日韩一区二区三 | 一级毛片我不卡| 国产亚洲精品久久久久5区| 美女国产高潮福利片在线看| 只有这里有精品99| 久久人人97超碰香蕉20202| 亚洲国产av新网站| 日韩 欧美 亚洲 中文字幕| 亚洲欧洲日产国产| 久久精品国产亚洲av涩爱| 日日夜夜操网爽| 黑丝袜美女国产一区| 一本大道久久a久久精品| 亚洲av欧美aⅴ国产| 久久人人爽人人片av| 亚洲色图 男人天堂 中文字幕| 国产爽快片一区二区三区| 女人精品久久久久毛片| 人妻 亚洲 视频| 亚洲av电影在线观看一区二区三区| 中文字幕人妻丝袜一区二区| 亚洲av片天天在线观看| 男女免费视频国产| 天堂俺去俺来也www色官网| 亚洲人成电影免费在线| 欧美av亚洲av综合av国产av| 欧美精品av麻豆av| 亚洲中文av在线| 又黄又粗又硬又大视频| 亚洲精品日韩在线中文字幕| 久久久久久久久免费视频了| 少妇人妻 视频| 亚洲五月色婷婷综合| 免费观看av网站的网址| www日本在线高清视频| 中国美女看黄片| 亚洲三区欧美一区| 国产精品国产三级专区第一集| 国产成人精品久久二区二区免费| netflix在线观看网站| 蜜桃在线观看..| 欧美中文综合在线视频| 老汉色∧v一级毛片| 欧美成狂野欧美在线观看| 又紧又爽又黄一区二区| 一级毛片黄色毛片免费观看视频| 久久国产亚洲av麻豆专区| 久久天堂一区二区三区四区| 亚洲免费av在线视频| 女人被躁到高潮嗷嗷叫费观| 国产精品偷伦视频观看了| 国产日韩欧美视频二区| 亚洲一区二区三区欧美精品| 曰老女人黄片| 国产女主播在线喷水免费视频网站| 夜夜骑夜夜射夜夜干| 人人妻人人澡人人爽人人夜夜| √禁漫天堂资源中文www| 99久久综合免费| 精品人妻熟女毛片av久久网站| 久久久久精品国产欧美久久久 | 热re99久久国产66热| www.av在线官网国产| 高潮久久久久久久久久久不卡| 蜜桃在线观看..| 亚洲精品国产色婷婷电影| 一区福利在线观看| 爱豆传媒免费全集在线观看| 国产在线一区二区三区精| 美女大奶头黄色视频| 日本a在线网址| av国产久精品久网站免费入址| 免费高清在线观看日韩| 99久久综合免费| 午夜福利在线免费观看网站| 精品少妇内射三级| 国产三级黄色录像| 50天的宝宝边吃奶边哭怎么回事| 亚洲,欧美精品.| 欧美精品av麻豆av| 成年动漫av网址| 欧美中文综合在线视频| 午夜福利乱码中文字幕| 国产成人啪精品午夜网站| 成人午夜精彩视频在线观看| 久久久精品94久久精品| 欧美老熟妇乱子伦牲交| 中国国产av一级| 国产成人精品在线电影| 黄色视频在线播放观看不卡| 又大又黄又爽视频免费| 久久精品aⅴ一区二区三区四区| 国产99久久九九免费精品| 久久人妻熟女aⅴ| 在线观看www视频免费| 两人在一起打扑克的视频| 亚洲视频免费观看视频| 丝袜美足系列| 久久精品成人免费网站| 黑人巨大精品欧美一区二区蜜桃| 欧美另类一区| 国产成人精品在线电影| 精品少妇一区二区三区视频日本电影| 国产一区二区在线观看av| av视频免费观看在线观看| 国产成人a∨麻豆精品| 久久免费观看电影| 久久精品国产a三级三级三级| 国产精品三级大全| 国产免费现黄频在线看| 一二三四在线观看免费中文在| 国产国语露脸激情在线看| 午夜福利乱码中文字幕| 精品高清国产在线一区| 久久精品成人免费网站| 精品亚洲成a人片在线观看| 在线观看国产h片| 亚洲人成77777在线视频| 亚洲专区国产一区二区| 国产一区二区在线观看av| 免费看不卡的av| 好男人视频免费观看在线| 国产黄色免费在线视频| 国产野战对白在线观看| 久久人人爽av亚洲精品天堂| 亚洲欧美精品自产自拍| 老司机靠b影院| 又粗又硬又长又爽又黄的视频| 欧美日本中文国产一区发布| 女性被躁到高潮视频| 免费观看a级毛片全部| 美女中出高潮动态图| 国产成人免费无遮挡视频| a级毛片在线看网站| 国产在线一区二区三区精| 久久午夜综合久久蜜桃| 免费观看av网站的网址| 亚洲国产欧美日韩在线播放| 国产男女内射视频| 波野结衣二区三区在线| 韩国高清视频一区二区三区| 久久久久国产一级毛片高清牌| 在线天堂中文资源库| a 毛片基地| 亚洲伊人久久精品综合| 国产一卡二卡三卡精品| 高清欧美精品videossex| 亚洲熟女精品中文字幕| 在线观看免费视频网站a站| 男男h啪啪无遮挡| 汤姆久久久久久久影院中文字幕| 无遮挡黄片免费观看| 国产99久久九九免费精品| 伊人亚洲综合成人网| 久久精品国产a三级三级三级| 国产日韩一区二区三区精品不卡| 亚洲欧美精品自产自拍| 亚洲专区中文字幕在线| av天堂久久9| 亚洲欧美精品自产自拍| 亚洲专区中文字幕在线| 搡老乐熟女国产| 日本a在线网址| 男人舔女人的私密视频| 欧美大码av| 51午夜福利影视在线观看| 天天躁夜夜躁狠狠躁躁| 在线观看国产h片| 亚洲七黄色美女视频| 伊人久久大香线蕉亚洲五| 成人18禁高潮啪啪吃奶动态图| 狠狠婷婷综合久久久久久88av| 亚洲中文字幕日韩| 欧美日韩亚洲国产一区二区在线观看 | 一级毛片黄色毛片免费观看视频| 悠悠久久av| 激情五月婷婷亚洲| 肉色欧美久久久久久久蜜桃| 亚洲国产成人一精品久久久| 国产视频首页在线观看| 欧美xxⅹ黑人| 国产深夜福利视频在线观看| 两个人看的免费小视频| 交换朋友夫妻互换小说| 新久久久久国产一级毛片| 久久99热这里只频精品6学生| 色精品久久人妻99蜜桃| 亚洲国产毛片av蜜桃av| 午夜福利视频精品| 青草久久国产| 久久久精品免费免费高清| 我要看黄色一级片免费的| 日本一区二区免费在线视频| 1024香蕉在线观看| 国产片特级美女逼逼视频| av片东京热男人的天堂| 看免费成人av毛片|