检索结果-南通市图书馆

基于时空依赖关系和特征融合的弱监督视频异常检测

在线全文

学校读者我要写书评

暂无评论

数据采集与处理 2024年第1期39卷 204-214页

作者：柳德云李莹周震吉根林南京师范大学计算机与电子信息学院/人工智能学院南京210023

弱监督视频异常检测由于抗干扰性强、数据标注要求低,成为视频异常事件检测研究的热点。在现有的工作中,大多数弱监督视频异常检测方法认为各个视频段独立同分布,单独判断每个视频段是否异常,忽略了视频段间的时空依赖关系。为此,提出... 详细信息

弱监督视频异常检测由于抗干扰性强、数据标注要求低,成为视频异常事件检测研究的热点。在现有的工作中,大多数弱监督视频异常检测方法认为各个视频段独立同分布,单独判断每个视频段是否异常,忽略了视频段间的时空依赖关系。为此,提出了一种基于时空依赖关系和特征融合的弱监督视频异常检测方法,在保留视频段原始特征的同时,使用视频段之间的索引距离和特征相似程度拟合视频段的时间和空间依赖关系,构建视频段的关系特征。通过融合原始特征和关系特征,更好地表达视频的动态特性和时序关系。在UCF-Crime和ShanghaiTech两个基准数据集上进行了大量实验,实验结果表明所提方法的AUC指标优于其他方法,AUC值分别达到了80.1%和94.6%。

关键词：视频异常事件检测时空依赖关系特征融合图卷积神经网络注意力机制

在线全文

学校读者我要写书评

暂无评论

基于前景对象检测和回归的视频异常检测方法

南京师大学报（自然科学版） 2024年第2期47卷 117-128页

作者：肖剑刘天元吴祥吉根林南京师范大学计算机与电子信息学院/人工智能学院江苏南京210023 香港理工大学工业及系统工程学系中国香港999077

视频异常检测在智能安防领域具有广泛的应用.基于生成模型的方法以其强大的生成能力受到学术界广泛关注.然而,这类方法通常涉及较多的参数,且往往依赖于大量的训练数据,这限制了其在实际应用场景中的适用性.本文提出了一种基于前景对象... 详细信息

视频异常检测在智能安防领域具有广泛的应用.基于生成模型的方法以其强大的生成能力受到学术界广泛关注.然而,这类方法通常涉及较多的参数,且往往依赖于大量的训练数据,这限制了其在实际应用场景中的适用性.本文提出了一种基于前景对象检测和回归的视频异常检测方法(FODR-VAD).首先,利用目标检测器检测前景对象并构建以对象为中心的时空立方体.其次,采用随机乱序的方法构造伪异常数据.最后,将单分类视频异常检测问题转换为回归任务,在有监督学习范式下优化特征表示.在模型训练参数量小于1 M,使用不到一半训练集的前提下,所提出的方法在UCSD Ped2、CUHK Avenue和ShanghaiTech数据集上的Micro-AUC分别是99.09%、88.16%和78.47%.结果表明,所提出方法在保证较高异常检测能力的同时,可显著降低对训练数据的需求量.

关键词：视频异常检测伪异常监督学习回归时空立方体

维普期刊数据库博看期刊

视频质量波动影响下的视频异常检测算法有效性分析

在线全文

学校读者我要写书评

暂无评论

常州大学学报（自然科学版） 2024年第3期36卷 45-58页

作者：刘存杨曦晨陈天海吉根林南京师范大学计算机与电子信息学院江苏南京210023

大部分异常检测算法并没有考虑实际场景中视频质量波动对算法性能的影响。文章首先选用视频异常检测领域的公开数据集,并采用仿真方式在其中加入监控视频中的常见失真,构建出面向异常检测的失真数据集。然后系统地分析了视频质量波动对... 详细信息

大部分异常检测算法并没有考虑实际场景中视频质量波动对算法性能的影响。文章首先选用视频异常检测领域的公开数据集,并采用仿真方式在其中加入监控视频中的常见失真,构建出面向异常检测的失真数据集。然后系统地分析了视频质量波动对4个经典的视频异常检测算法性能的影响。实验结果表明,监控数据质量下降会对视频异常检测算法的有效性产生负面效果,并且不同失真类型、不同失真程度对算法的影响存在差异,其中高斯噪声失真和过亮失真对算法的影响较大。

关键词：异常检测质量波动仿真失真有效性

维普期刊数据库博看期刊

基于双鉴别器和伪视频生成的视频异常检测方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2023年

作者：郭方圆吉根林南京师范大学计算机与电子信息学院/人工智能学院

在无监督的视频异常检测任务中，通常使用深度自编码器用仅包含正常事件的数据集进行训练，并根据重构（预测）误差来识别异常帧。然而，这种假设在实践中并不总是成立，有时自编码器对异常事件也可以很好地重构（预测），从而导致异常... 详细信息

在无监督的视频异常检测任务中，通常使用深度自编码器用仅包含正常事件的数据集进行训练，并根据重构（预测）误差来识别异常帧。然而，这种假设在实践中并不总是成立，有时自编码器对异常事件也可以很好地重构（预测），从而导致异常的误检测。为了解决这一问题，提出了一种基于双鉴别器和伪视频生成的视频异常检测方法，通过鉴别器和生成器之间的对抗训练来提高生成模型对正常帧的预测能力，并抑制生成模型对伪视频帧的预测能力。此外，在生成模型中引入协调注意力，进一步提升模型的生成能力。同时，将以往方法中预测未来帧改为预测中间帧，有利于模型学习前向和后向的运动信息，从而提升模型的检测性能。在公开数据集UCSD Ped2和CUHK Avenue上进行实验验证的结果表明，AUC值在两个公开数据集上分别达到了98.6％和85.9％，相比于其他视频异常检测方法，所提方法可显著提高视频异常检测的性能。

关键词：视频异常检测深度学习生成对抗网络伪视频预测

多层记忆增强生成对抗网络二次预测的视频异常检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

应用科学学报 2023年第1期41卷 80-94页

作者：曾静李莹戚小莎吉根林南京师范大学计算机与电子信息学院/人工智能学院江苏南京210023 南京师范大学数学科学学院江苏南京210023

为了提高视频异常检测的准确率,提出了一种基于多层记忆增强生成对抗网络二次预测的视频异常检测方法。首先利用目标检测提取时空立方体,并将其输入自编码器中得到预测帧;其次将预测帧的表观特征和对应真实帧的光流特征进行融合,形成融... 详细信息

为了提高视频异常检测的准确率,提出了一种基于多层记忆增强生成对抗网络二次预测的视频异常检测方法。首先利用目标检测提取时空立方体,并将其输入自编码器中得到预测帧;其次将预测帧的表观特征和对应真实帧的光流特征进行融合,形成融合特征;最后利用多层记忆增强生成对抗网络二次预测未来帧,以便学习不同层次特征的正常模式并捕获上下文的语义信息。在UCSD Ped2和CUHK Avenue数据集上进行的实验结果表明:所提出的方法与其他视频异常检测方法相比,可有效提高视频异常检测的性能,使帧级别AUC分别达到99.57%和91.59%。

关键词：视频异常检测多层记忆增强生成对抗网络未来帧预测深度学习

基于非局部注意力生成对抗网络的视频异常事件检测方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2022年第8期49卷 172-177页

作者：孙奇吉根林张杰南京师范大学计算机与电子信息学院/人工智能学院南京210023

针对异常事件的不确定性,文中选择使用未来帧预测的方式对视频进行异常事件检测。通过正常样本对预测模型进行训练,使模型能够准确预测不包含异常事件的未来帧,但对于包含未知事件的视频帧,模型无法进行预测,利用生成对抗网络以及表观... 详细信息

针对异常事件的不确定性,文中选择使用未来帧预测的方式对视频进行异常事件检测。通过正常样本对预测模型进行训练,使模型能够准确预测不包含异常事件的未来帧,但对于包含未知事件的视频帧,模型无法进行预测,利用生成对抗网络以及表观约束和运动约束对用于预测的生成器模型进行训练。为了减少相关目标特征丢失,提出了非局部注意力U型网络生成器(Nonlocal Attention Unet Generator,NA-UnetG)模型,提升了生成器的预测精度,同时提升了视频异常事件检测的准确度。通过公开数据集CUHK Avenue和UCSD Ped2对所提方法进行实验验证,实验结果表明,所提方法的AUC指标优于其他方法,AUC分别达到了83.4%和96.3%。

关键词：视频异常事件检测生成对抗网络视频预测非局部注意力机制深度学习

基于骨架图与混合注意力的视频行人异常检测方法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2023年

作者：刘禹含吉根林张红苹南京师范大学计算机与电子信息学院/人工智能学院

近些年来许多利用人体骨架图进行视频异常检测的研究在描述人体骨架连接强弱时只考虑到直接相连的节点，所关注的运动区域较小且忽略了局部特征，要做到准确检测行人异常事件依然存在很大的困难。为解决以上问题，提出了一种基于骨架图... 详细信息

近些年来许多利用人体骨架图进行视频异常检测的研究在描述人体骨架连接强弱时只考虑到直接相连的节点，所关注的运动区域较小且忽略了局部特征，要做到准确检测行人异常事件依然存在很大的困难。为解决以上问题，提出了一种基于骨架图与混合注意力的视频行人异常检测方法 Video Pedestrian Anomaly Detection Method based on Skeleton Graph and Mixed Attention,PAD-SGMA）。首先，扩展骨架点之间的关联，将根节点与未直接相连的节点进行连接，并且对人体骨架图进行划分获取人体骨架局部特征，在图卷积模块中利用静态全局骨架、局部区域骨架和基于注意的邻接矩阵来捕获层次表示；其次，提出新的时空通道混合注意图卷积网络，增加混合注意力模块，关注空间和通道关系，帮助模型增强区分特征且对每个关节进行不同程度的关注。为了验证所提出的模型，在大规模的公开标准数据集（ShanghaiTech Campus数据集）上进行实验，实验结果表明，与GEPC(Graph Embedded Pose Clustering)相比，PAD-SGMA方法的准确率提高了1.8个百分点。

关键词：视频异常检测深度学习人体骨架图卷积网络注意力

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

双交叉注意力自编码器改进视频异常检测

南京师大学报（自然科学版） 2023年第1期46卷 110-119页

作者：戚小莎曾静吉根林南京师范大学数学科学学院江苏南京210023 南京师范大学计算机与电子信息/人工智能学院江苏南京210023

针对视频中包含的异常事件数量稀少,信息密集的特征容易被遗漏等问题,本文提出一种双交叉注意力自编码器的视频异常事件检测方法.首先预处理视频集,提取视频帧中表观和运动特征,然后设计双交叉注意力模块融入自编码器中,使特征图在自编... 详细信息

针对视频中包含的异常事件数量稀少,信息密集的特征容易被遗漏等问题,本文提出一种双交叉注意力自编码器的视频异常事件检测方法.首先预处理视频集,提取视频帧中表观和运动特征,然后设计双交叉注意力模块融入自编码器中,使特征图在自编码器中能够更好地关联全局特征.其次将提取后的特征放入各自的自编码器中学习正常行为,使含有正常事件的视频帧能被模型重构,含有异常事件的视频帧则无法被重构.最后通过检测模型得到各个视频帧的重构误差从而进行异常事件判定.该方法可以以局部特征关联全局特征的方式有效提高视频异常事件检测的准确率,通过在多个公开数据集中进行实验验证,证明该方法优于其他同类方法.

关键词：异常检测自编码器帧重构深度学习神经网络特征提取融合

在线全文

学校读者我要写书评

暂无评论

分布式环境下约束性关联规则的快速更新

东南大学学报（自然科学版） 2006年第1期36卷 34-38页

作者：吉根林韦素云南京师范大学计算机科学系南京210097 苏州大学江苏省计算机信息处理技术重点实验室苏州215006

研究分布式环境下约束性关联规则更新问题,包括数据库中事务增加和删除2种情况.引入向导集的概念,提出基于全局局部模式的约束性关联规则增量式更新算法DUCAR,其中包括局部约束性频繁项目集更新算法ULFC和全局约束性频繁项目集更新算法U... 详细信息

研究分布式环境下约束性关联规则更新问题,包括数据库中事务增加和删除2种情况.引入向导集的概念,提出基于全局局部模式的约束性关联规则增量式更新算法DUCAR,其中包括局部约束性频繁项目集更新算法ULFC和全局约束性频繁项目集更新算法UGFC.该算法充分利用原先的挖掘结果提高更新效率,首先从最高维的频繁n项目集进行更新,在更新过程中考虑约束条件,结合剪枝算法,生成较少数量的满足约束条件的候选项目集.将该算法用Java加以实现,采用多组数据对此算法的性能进行测试,并与其他算法作对比实验,实验结果表明,该算法是高效可行的.

关键词：关联规则项约束约束性频繁项目集频繁项目集更新分布式数据挖掘