| 基于3D卷积自编码器的视频异常行为检测 |
| |
| 引用本文： | 连靖,胡兴,黄影平.基于3D卷积自编码器的视频异常行为检测[J].智能计算机与应用,2021,11(6):70-75. |
| |
| 作者姓名： | 连靖 胡兴 黄影平 |
| |
| 作者单位： | 上海理工大学光电信息与计算机工程学院,上海200093 |
| |
| 摘 要： | 视频异常行为检测是目前计算机视觉领域的热点问题之一.然而,由于异常行为难以具体定义,使得基于监督学习的二类分类方法难以应用在该领域.本文提出了一种无监督的视频异常检测模型,称之为基于时空特征融合的3D自编码器模型(ST-3DCAE).模型采用PWCNet提取场景光流特征图,并与原视频帧融合作为基本单元,由多个基本单元组成连续基本单元作为模型的输入;利用3DConv和ConvLSTM模块进行时空特征的自主提取,3DSEblock模块进行重要特征的筛选;最终,通过输入数据和自编码器重建视频块之间的重建误差,来判断视频是否出现异常行为.通过在UCSD、Avenue等公开数据集上进行验证,实验结果的定性和定量分析证明了本方法具有较好的性能.
|
| 关 键 词： | 异常检测 ST-3DCAE 特征融合 |
Video anomalous behavior detection based on 3D convolutional auto-encoder |
| |
| LIAN Jing,HU Xing,HUANG Yingping.Video anomalous behavior detection based on 3D convolutional auto-encoder[J].INTELLIGENT COMPUTER AND APPLICATIONS,2021,11(6):70-75. |
| |
| Authors: | LIAN Jing HU Xing HUANG Yingping |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
