融合梯度差信息的稀疏去噪自编码网络在异常行为检测中的应用

发布时间：2019-07-04 12:37

【摘要】：本文是在稀疏去噪自编码网络的基础上,增加梯度差约束条件改进了自编码网络的解码效果,并成功地应用于全局异常行为检测的领域.基于稀疏自编码网络异常行为的检测过程是通过训练非异常行为的视频帧数据得到自编码网络模型,将待测视频帧输入模型,根据前向传播算法得到模型的输出,计算输出与输入之间的损失值,当该值高于某个阈值时,判定该视频帧中存在异常行为.通过在标准异常行为库开展的实验表明融合梯度差信息的稀疏去噪自编码网络算法较传统的稀疏去噪自编码网络算法在全局异常行为检测中更加有效.
[Abstract]:In this paper, on the basis of sparse denoising self-coding network, the gradient difference constraint is added to improve the decoding effect of self-coding network, and it is successfully applied to the field of global abnormal behavior detection. The detection process of abnormal behavior based on sparse self-coding network is to obtain the self-coding network model by training the video frame data of non-abnormal behavior. According to the forward propagation algorithm, the output of the model is obtained according to the forward propagation algorithm, and the loss value between the output and the input is calculated. When the value is higher than a certain threshold, the abnormal behavior in the video frame is determined. Experiments in the standard abnormal behavior database show that the sparse denoising self-coding network algorithm with gradient difference information is more effective than the traditional sparse denoising self-coding network algorithm in global abnormal behavior detection.
【作者单位】： 清华大学电子工程系;防灾科技学院灾害信息工程系;
【基金】：国家自然科学基金(61171118,61673234,U1636124)资助~~
【分类号】：TP391.41

【参考文献】

相关期刊论文 前3条

1 刘培娜;刘国军;郭茂祖;刘扬;李盼;;非负局部约束线性编码图像分类算法[J];自动化学报;2015年07期

2 练秋生;石保顺;陈书贞;;字典学习模型、算法及其应用研究进展[J];自动化学报;2015年02期

3 汤红忠;张小刚;陈华;程炜;唐美玲;;带边界条件约束的非相干字典学习方法及其稀疏表示[J];自动化学报;2015年02期

【共引文献】

相关期刊论文 前10条

1 王爱齐;徐坤;宋爱民;;基于局部自相似的字典学习图像去噪方法[J];大连交通大学学报;2017年04期

2 汤红忠;王翔;张小刚;李骁;毛丽珍;;面向单幅图像去雨的非相干字典学习及其稀疏表示研究[J];通信学报;2017年07期

3 张勇;张阳阳;程洪;张艳霞;;基于非负弹性网稀疏编码算法的图像分类方法[J];计算机工程;2017年07期

4 王铁建;吴飞;荆晓远;;核字典学习在软件缺陷预测中的应用[J];小型微型计算机系统;2017年07期

5 赵娜;赵彤洲;邹冲;刘莹;蔡敦波;;稀疏表示中字典学习的影响因子研究[J];武汉工程大学学报;2017年03期

6 万源;史莹;吴克风;陈晓丽;;融合局部性和非负性的Laplacian稀疏编码的图像分类[J];模式识别与人工智能;2017年06期

7 董侠;王丽芳;秦品乐;高媛;;改进耦合字典学习的脑部CT/MR图像融合方法[J];计算机应用;2017年06期

8 胡长胜;詹曙;吴从中;;基于深度特征学习的图像超分辨率重建[J];自动化学报;2017年05期

9 钱阳;李雷;袁安安;;基于自适应K-SVD字典的视频帧稀疏重建算法[J];计算机技术与发展;2017年06期

10 张静妙;孟宪遵;王晓娜;;基于高低分辨影像字典学习的稀疏超分辨重建[J];控制工程;2017年03期

【二级参考文献】

相关期刊论文 前7条

1 赵仲秋;季海峰;高隽;胡东辉;吴信东;;基于稀疏编码多尺度空间潜在语义分析的图像分类[J];计算机学报;2014年06期

2 刘芳;武娇;杨淑媛;焦李成;;结构化压缩感知研究进展[J];自动化学报;2013年12期

3 彭义刚;索津莉;戴琼海;徐文立;;从压缩传感到低秩矩阵恢复:理论与应用[J];自动化学报;2013年07期

4 练秋生;张钧芹;陈书贞;;基于两级字典与分频带字典的图像超分辨率算法[J];自动化学报;2013年08期

5 张海;王尧;常象宇;徐宗本;;L_(1/2)正则化[J];中国科学:信息科学;2010年03期

6 练秋生;陈书贞;;基于混合基稀疏图像表示的压缩传感图像重构[J];自动化学报;2010年03期

7 石光明;刘丹华;高大化;刘哲;林杰;王良君;;压缩感知理论及其研究进展[J];电子学报;2009年05期

【相似文献】

相关期刊论文 前10条

1 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

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 陈颖鸣;陈树越;张显亭;;智能视频监控中异常行为识别研究[J];微电子学与计算机;2010年11期

相关会议论文 前1条

1 王碧英;孙健敏;;公仆型领导对员工行为的影响[A];第十二届全国心理学学术大会论文摘要集[C];2009年

相关博士学位论文 前5条

1 林娜;小鼠异常行为的遗传基础研究[D];东北农业大学;2006年

2 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

3 张军;基于视频的运动人体异常行为分析识别研究[D];西安电子科技大学;2009年

4 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

5 张毅;MANET环境中基于移动Agent的异常行为检测与防御[D];哈尔滨工程大学;2007年

相关硕士学位论文 前10条

1 张雁冰;监控视频中人体异常行为检测研究[D];深圳大学;2015年

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 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

，

本文编号：2509918