检索结果-南通市图书馆

计算机与数字工程 2022年第8期50卷 1696-1701页

作者：李飞李婷夏红霞刘文璇湖北省农业科学院武汉430064 武汉理工大学计算机科学与技术学院武汉430070 交通物联网技术湖北省重点实验室(武汉理工大学) 武汉430070

大多现存的监控视频异常检测方法都是基于繁琐的特征提取,检测性能不佳,时间效率低下。考虑到视频检测中效率对实际应用的影响,提出一种基于时序CNN与鲁棒稀疏光流融合的视频异常检测方法。该方法在CNN基础上结合语义特征与时间特征的... 详细信息

大多现存的监控视频异常检测方法都是基于繁琐的特征提取,检测性能不佳,时间效率低下。考虑到视频检测中效率对实际应用的影响,提出一种基于时序CNN与鲁棒稀疏光流融合的视频异常检测方法。该方法在CNN基础上结合语义特征与时间特征的优点定位异常区域,进一步利用光流对异常行为进行检测。实验结果表明,该方法可以有效降低视频检测中的错误率,并且保持较高的准确率以及高效地对视频中的人车异常行为进行检测。

关键词：人车异常检测时序光流融合时序卷积神经网络光流法监控视频

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于时序CNN与稀疏光流的监控视频人车异常检测方法

基于时序CNN与稀疏光流的监控视频人车异常检测方法

引用

作者：李婷武汉理工大学

学位级别：硕士

随着计算机技术的迅速发展,监控视频越来越广泛地应用于社会公共场所,成为了智能监控系统的重要组成部分。由于大多数监控视频异常检测方法都依赖于复杂的特征提取,所以在视频异常检测的检测性能和时间效率方面仍然存在一定的提升空间... 详细信息

随着计算机技术的迅速发展,监控视频越来越广泛地应用于社会公共场所,成为了智能监控系统的重要组成部分。由于大多数监控视频异常检测方法都依赖于复杂的特征提取,所以在视频异常检测的检测性能和时间效率方面仍然存在一定的提升空间。本文利用CNN并结合时序变化初步检测异常区域,利用光流进一步检测异常,以提高检测性能和效率。本文的主要研究工作如下:首先,给出了基于时序CNN与稀疏光流的监控视频人车异常检测方法。在明确数据源与研究的主要问题后,确定了将时序CNN和鲁棒的稀疏光流两种方法进行融合的技术路线,阐述了融合方法。其次,提出了基于时序CNN的视频异常检测方法。通过在全卷积网络中插入一个二值量化层,形成二值卷积网络,以此确定输入图像和输出特征之间的空间关系;引入时序CNN模式（TCP）,通过重叠视频块来计算二值图,通过上采样得到TCP图,以初步检测视频异常序列。接着,提出了一种基于鲁棒稀疏光流的视频异常检测方法。通过前景遮罩、寻找良好特征点、空间采样及前后项校正等方法提取鲁棒的稀疏光流;对可以表现有效运动特征的光流直方图进行计算;把上述得到的鲁棒稀疏光流与光流直方图进行特征聚合,以进一步检测视频序列异常。最后,分别在实际采集的监控视频和标准数据集上进行了实验和评估。在标准数据集上对比了近年来流行的视频异常检测方法,结果表明本文方法错误率有所下降,准确率也保持较高水平;在实际采集的监控视频数据集上测试了本文方法的实际效果,验证了该方法的有效性。研究工作表明本文提出的方法改进了传统光流法的效率,降低了聚类的成本,并且能快速、高效地检测监控视频人车异常。

关键词：监控视频人车异常检测时序卷积神经网络光流法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：