计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2014年
4期
203-208,213
,共7页
视频异常检测%时空特征%数据维度%特征描述符%K最邻近距离%分值
視頻異常檢測%時空特徵%數據維度%特徵描述符%K最鄰近距離%分值
시빈이상검측%시공특정%수거유도%특정묘술부%K최린근거리%분치
video anomaly detection%spatio-temporal feature%data dimension%feature descriptor%K-Nearest Neighbor(KNN) distance%score value
针对目前大多数视频异常检测方案在局部异常检测上的不足,提出一种基于局部时空特征的视频异常检测方案.该方案先提取运动描述符,再量化拆分,对每个特征描述符使用不同标度的时间-空间滤波器,获得各时间-空间区域的平滑估计,为训练和测试视频计算出各区域的局部K最邻近(KNN)距离,根据上述局部KNN距离,得出测试和训练视频的总体分值.对总体分值排名,确定异常.将该方案在公共数据集(UCSD数据集、人群异常UMN数据集、U型转弯数据集)上进行测试,结果表明,该方案的误差率、曲线下面积等性能指标优于现有的视频异常检测算法.
針對目前大多數視頻異常檢測方案在跼部異常檢測上的不足,提齣一種基于跼部時空特徵的視頻異常檢測方案.該方案先提取運動描述符,再量化拆分,對每箇特徵描述符使用不同標度的時間-空間濾波器,穫得各時間-空間區域的平滑估計,為訓練和測試視頻計算齣各區域的跼部K最鄰近(KNN)距離,根據上述跼部KNN距離,得齣測試和訓練視頻的總體分值.對總體分值排名,確定異常.將該方案在公共數據集(UCSD數據集、人群異常UMN數據集、U型轉彎數據集)上進行測試,結果錶明,該方案的誤差率、麯線下麵積等性能指標優于現有的視頻異常檢測算法.
침대목전대다수시빈이상검측방안재국부이상검측상적불족,제출일충기우국부시공특정적시빈이상검측방안.해방안선제취운동묘술부,재양화탁분,대매개특정묘술부사용불동표도적시간-공간려파기,획득각시간-공간구역적평활고계,위훈련화측시시빈계산출각구역적국부K최린근(KNN)거리,근거상술국부KNN거리,득출측시화훈련시빈적총체분치.대총체분치배명,학정이상.장해방안재공공수거집(UCSD수거집、인군이상UMN수거집、U형전만수거집)상진행측시,결과표명,해방안적오차솔、곡선하면적등성능지표우우현유적시빈이상검측산법.
