我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于解析字典的人群异常行为检测 下载：62 浏览：356

禹青 陈恳 李斐 李萌 《数据与科学》 2018年9期

摘要:
针对目前视频监控技术在保障公共安全方面的作用越来越重要这一现状,提出一种新的视频异常检测方法。首先在对视频的特征提取上,创新性地提出一种基于区域最值的稠密光流直方图描述符(Densely Sampled Maximum and Minimal Histogram of Optical Flow,Dense MHOF),该方法的主要思想是通过选取一定区域范围内多个光流直方图各个方向的最大与最小光流幅值来表征该区域的运动特征,从而实现对人群运动信息的有效表征。在字典构建上,有别于被其他文献广泛使用的综合字典学习方法,采用更具灵活性的解析字典学习,通过对正常事件的学习获得稀疏字典,随后计算测试样本在该字典下的重构误差来判断测试样本的正常与否。在标准异常行为库进行的实验表明,与目前几种经典方法相比,该文提出的方法取得了较好的性能。

基于视觉的车辆异常行为检测综述 下载：53 浏览：354

黄超1,2 胡志军3 徐勇1,2 王耀威2 《人工智能研究》 2020年6期

摘要:
基于视觉的车辆异常行为检测能够快速检测交通监控视频中的车辆异常行为并报警,在提升交通执法效率,改善城市交通状况和减少交通事故率等方面具有重要作用.当前基于视觉的车辆异常行为检测已取得较大进步,但在实际应用中仍面临如缺乏数据、异常定义的不确切性、遮挡和实时性较差等问题.文中归纳总结近年来提出的基于视觉的车辆异常行为检测算法.首先,介绍当前算法中典型的行为表示特征,从监督学习和非监督学习两方面讨论现有车辆行为学习方法的优缺点.然后,根据行为建模方法将车辆异常行为检测算法分为基于模型的方法、基于重建的方法和深度学习方法,介绍和分析每类方法.最后,讨论当前算法存在的问题,并展望未来的改进方向.

结合全局与局部视频表示的视频异常检测算法 下载：51 浏览：355

胡正平1,2 赵梦瑶1 辛丙一1 《人工智能研究》 2020年4期

摘要:
针对视频异常行为检测问题,提出结合全局与局部视频表示的视频异常检测算法.首先将输入视频连续多帧划分为视频块.再按空间位置将视频块划分为互不重叠的时空立方体,利用时空立方体运动特征构建基于空间位置的全局时空网格位置支持向量数据描述模型(SVDD).然后针对视频运动目标,提取局部纹理运动特征,采用SVDD获得围绕目标特征的超球体边界,构建运动目标正常行为模型.最后组合两部分以实现更全面的检测.公共数据集上的实验验证文中算法的有效性.
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享