行为识别

文献 概述 研究内容 数据集 年份 运动物体检测内容 Learning Motion Patterns in Videos 学习视频中的运动模式,建立运动模式网络输入图像光流图输出视频中运动的物体，即使相机是移动的 运动相机检测运动物体 DAVIS 2017 Learning Features by Watching Objects Move 我们在视频中使用无监督的基于模式的分割来获取片段，我们将其用作“伪地真相”来训练一个卷积网络从一个帧中分割对象 运动物体检测 Optical Flow in Mostly Rigid Scenes 自然场景的光流是观察者运动和物体独立运动的结合，现有的算法通常侧重于在纯静态世界或一般无约束场景的光流的假设下恢复运动和结构。此文章从外观和物理约束中对移动对象进行显式的分割，在静态区域，我们利用强大的约束条件，在多个帧上联合估计摄像机的运动和场景的三维结构。https://www.youtube.com/watch?v=N7a3AZEi-c4视频 光流法估计运动物体 KITTI CVPR2017 MODNet: Moving Object Detection Network with Motion and Appearance for Autonomous Driving 无人驾驶中的目标检测。提出了一种新的多任务学习系统，它结合了外观和运动提示

这几天开始接触人体行为识别，经过多方对比后，选择了现在最热的人体骨架提取开源库，openpose。 下面就不多说了，直接开始openpose在win10下的配置： 需求如下：1. VS2019 据说VS2015以上的版本就可以，VS201x主要是为了通过cMake生成的.sln文件生成可执行exe文件、dll文件，和一些程 序运行所必需的文件，下载VS2019 community版本就可以，有微软账号（免费申请）就可以免费用； 2. Python3.7+Pycharm 想要在Python环境下运行的需要安装这两个，当然也可以是其他的组合，不过还是推荐最新版本的，而且 Pycharm真的很棒； 3.cmake-3.15.3-win64-x64 https://cmake.org/download/ 打开官方网站下载即可，选择最新版本的，这个版本可以生成VS2019的 文件，VS2017。。。。也可以选旧版本的，不过这个向下兼容，下载最新的就可以； 4.cudnn（最新）+cuda（最新） 这两个怎么装百度一下就可以了，很简单，但是推荐在装好VS201x后安装，不然可能会出现一些 问题，不会的可以留言问我； 5.openpose 在GitHub上下载最新的openpose源文件，网址如下 https://github.com/CMU-Perceptual-Computing-Lab

在互联网金融迅猛发展的背景下，风险控制问题已然成为行业焦点，基于大数据的风控模型正在成为互联网金融领域的热门战场。那么，大数据风控到底是怎么一回事呢？与传统风控相比，它又是怎样来进行风险识别的呢？本文对此进行了探讨。 大数据能够进行数据变现的商业模式目前就是两个 ，一个是 精准营销 ，典型的场景是商品推荐和精准广告投放， 另外一个是 大数据风控 ，典型的场景是互联网金融的大数据风控。 金融的 本质是风险管理 ，风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级。 传统金融的风控主要利用了信用属性强大的金融数据，一般采用20个纬度左右的数据， 利用评分来识别客户的还款能力和还款意愿 。信用相关程度强的数据纬度为十个左右，包含 年龄、职业、收入、学历、工作单位、借贷情况、房产，汽车、单位、还贷记录等，金融企业参考用户提交的数据进行打分，最后得到申请人的信用评分，依据评分来决定是否贷款以及贷款额度。其他同信用相关的数据还有 区域、产品、理财方式、行业、缴款方式、缴款记录、金额、时间、频率等。 互联网金融的大数据风控并不是完全改变传统风控，实际是丰富传统风控的数据纬度。互联网风控中， 首先还是利用信用属性强的金融数据，判断借款人的还款能力和还款意愿，然后在利用信用属性较弱的行为数据进行补充