基于深度学习特征的异常行为检测

发布时间：2018-12-24 13:23

【摘要】：已有的异常行为检测大多采用人工特征,然而人工特征计算复杂度高且在复杂场景下很难选择和设计一种有效的行为特征.为了解决这一问题,结合堆积去噪编码器和改进的稠密轨迹,提出了一种基于深度学习特征的异常行为检测方法.为了有效地描述行为,利用堆积去噪编码器分别提取行为的外观特征和运动特征,同时为了减少计算复杂度,将特征提取约束在稠密轨迹的空时体积中;采用词包法将特征转化为行为视觉词表示,并利用加权相关性方法进行特征融合以提高特征的分类能力.最后,采用稀疏重建误差判断行为的异常.在公共数据库CAVIAR和BOSS上对该方法进行了验证,并与其它方法进行了对比试验,结果表明了该方法的有效性.
[Abstract]:Most of the existing abnormal behavior detection uses artificial features, but artificial features have high computational complexity and it is difficult to select and design an effective behavior feature in complex scenarios. In order to solve this problem, an anomaly detection method based on depth learning features is proposed by combining the stack denoising encoder and the improved dense trajectory. In order to describe the behavior effectively, the stack denoising encoder is used to extract the appearance features and motion features of the behavior, and to reduce the computational complexity, the feature extraction is restricted to the space-time volume of the dense trajectory. The feature is transformed into behavioral visual word representation by word packet method, and the feature fusion is carried out by weighted correlation method to improve the classification ability of the feature. Finally, the sparse reconstruction error is used to judge the abnormal behavior. The method is verified on the common database CAVIAR and BOSS, and compared with other methods. The results show that the method is effective.
【作者单位】： 中南大学信息科学与工程学院;
【基金】：国家自然科学基金资助项目(50808025)~~
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 赵龙;郭立;谢锦生;刘皓;陆海先;;基于隐含主题模型的异常行为分析[J];中国科学院研究生院学报;2013年03期

2 罗超宇;;基于视频序列的人体异常行为检测技术分析[J];电子制作;2013年18期

3 崔永艳;高阳;;基于多示例学习的异常行为检测方法[J];模式识别与人工智能;2011年06期

4 陆海先;郭立;桂树;谢锦生;;基于潜在主题的视频异常行为分析[J];通信技术;2012年07期

5 周维柏;李蓉;;基于轨迹特征分析的行人异常行为识别[J];电脑编程技巧与维护;2010年12期

6 李晓东;凌捷;;基于视频监控参考量的异常行为检测研究[J];计算机技术与发展;2012年09期

7 姬晓飞;吴倩倩;李一波;;改进时空特征的人体异常行为检测方法研究[J];沈阳航空航天大学学报;2013年05期

8 桑海峰;郭昊;徐超;;基于运动特征的人体异常行为识别[J];中国科技论文;2014年07期

9 王传旭;董晨晨;;基于时空特征点的群体异常行为检测算法[J];数据采集与处理;2012年04期

10 沈海燕;冯云梅;史宏;;基于信息融合的客运站人体异常行为识别研究[J];公路交通科技;2009年S1期

相关博士学位论文 前2条

1 Popoola Oluwatoyin Pius;拥挤环境下的异常行为检测研究[D];哈尔滨工程大学;2012年

2 刘皓;基于条件随机场模型的异常行为检测方法研究[D];中国科学技术大学;2014年

相关硕士学位论文 前10条

1 梁玉;基于ORB兴趣点的异常行为检测技术研究[D];郑州大学;2015年

2 陈岗;治安监控中基于计算机视觉的异常行为检测技术研究[D];上海交通大学;2015年

3 许龙;视频中的异常行为检测与分析研究[D];上海交通大学;2015年

4 姚源;视频中异常行为发现方法研究及实现[D];电子科技大学;2014年

5 王朝新;基于视频的行人异常行为检测技术的应用研究[D];电子科技大学;2014年

6 张海峰;阳煤集团视频异常监控系统设计与实现[D];电子科技大学;2014年

7 张丹;视频监控系统下航站楼旅客异常行为检测方法研究[D];南京航空航天大学;2014年

8 梁琛华;视频监控中的人体异常行为识别[D];国防科学技术大学;2013年

9 朱明凌;面向智能视频监控系统的运动目标检测与异常行为分析[D];中国计量学院;2015年

10 赵德贵;基于视频的人体骨架建模及异常行为分析研究[D];北京理工大学;2014年

，

本文编号：2390678