一种无监督学习的异常行为检测方法
Unsupervised Learning Algorithm for Abnormal Behavior Detection作者机构：轻工过程先进控制教育部重点实验室(江南大学)江苏无锡214122
出 版 物：《光电工程》 (Opto-Electronic Engineering)
年 卷 期：2014年第41卷第3期
页 面：43-48页
核心收录：
学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程]
基 金：国家自然科学基金(60574051) 江苏省产学研联合创新资金-前瞻性联合研究项目(BY2012067)
摘 要：针对智能视频监控的需求,提出一种无监督学习的异常行为检测方法。首先,采用混合高斯模型建模提取出运动目标,对运动区域进行标记;然后提取运动区域内的光流信息,将其归一化成特征矩阵,并建立实时更新的特征矩阵观测序列;最后利用二维主成分分析(2DPCA)的重构原理对观测序列进行分析,根据重构特征矩阵与原特征矩阵的能量比来判断是否存在异常行为。基于不同数据库下的视频序列实验结果验证了所提方法的有效性。
维普期刊数据库
同方期刊数据库