检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

改进时空图卷积网络的视频异常检测方法

光电工程 2024年第5期51卷 42-53页

作者：张红民颜鼎鼎田钱前重庆理工大学电气与电子工程学院重庆400054

为了对异常事件中对象的时空相互作用进行精准捕捉,提出一种改进时空图卷积网络的视频异常检测方法。在图卷积网络中引入条件随机场,利用其对帧间特征关联性的影响,对跨帧时空特征之间的相互作用进行建模,以捕捉其上下文关系。在此基础... 详细信息

为了对异常事件中对象的时空相互作用进行精准捕捉,提出一种改进时空图卷积网络的视频异常检测方法。在图卷积网络中引入条件随机场,利用其对帧间特征关联性的影响,对跨帧时空特征之间的相互作用进行建模,以捕捉其上下文关系。在此基础上,以视频段为节点构建空间相似图和时间依赖图,通过二者自适应融合学习视频时空特征,从而提高检测准确性。在UCSD Ped2、ShanghaiTech和IITB-Corridor三个视频异常事件数据集上进行了实验,帧级别AUC值分别达到97.7%、90.4%和86.0%,准确率分别达到96.5%、88.6%和88.0%。

关键词：视频异常检测图卷积网络条件随机场

融合SCConv和注意力机制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

控制工程 2024年

作者：刘拥民刘原张毅胡魁张炜中南林业科技大学计算机与信息工程学院中南林业科技大学智慧林业云研究中心

基于深度学习的视频异常检测方法目前多采用基于重构当前帧或预测未来帧的方法。其中基于记忆模块的未来帧预测的方法，不仅会产生额外内存开销，而且会增加计算开销。为此，提出一种融合SCConv和注意力机制的视频异常检测模型。首先，... 详细信息

基于深度学习的视频异常检测方法目前多采用基于重构当前帧或预测未来帧的方法。其中基于记忆模块的未来帧预测的方法，不仅会产生额外内存开销，而且会增加计算开销。为此，提出一种融合SCConv和注意力机制的视频异常检测模型。首先，在编码器中使用空间和通道重构的轻量化卷积模块替换原始卷积层，组成空间和通道重构卷积块，作为新的下采样块，减少参数量和计算开销的同时，对正常模式的多尺度特征进行融合，提升模型对正常模式的表征能力。然后，为使模型在重构视频帧时，专注于移动目标并捕捉正常模式的上下文依赖，在解码器的最后两个跳跃连接前添加多阶段通道注意力模块。实验结果表明，所提算法与其他算法相比，在参数量减少的同时，对异常事件的检测取得了良好的检测精度，体现了所提模型的有效性。

关键词：视频异常检测无监督学习注意力机制记忆模块

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

改进注意力混合自动编码器视频异常检测研究

计算机工程与科学 2024年

作者：陈兆波张琳马晓轩北京建筑大学电气与信息工程学院北京建筑大学建筑大数据智能处理方法研究北京市重点实验室

视频异常检测是计算机视觉领域的重要研究内容之一，广泛应用于交通、公共安全等领域。然而，目前视频异常检测领域存在单个预测模型易受噪声干扰、单个重构模型存在的泛化异常等问题。为了解决这些问题，提出了一种结合重构和预测模型... 详细信息

视频异常检测是计算机视觉领域的重要研究内容之一，广泛应用于交通、公共安全等领域。然而，目前视频异常检测领域存在单个预测模型易受噪声干扰、单个重构模型存在的泛化异常等问题。为了解决这些问题，提出了一种结合重构和预测模型的视频异常检测方法。在正常光流数据上训练具有注意力机制和内存增强模块的重构网络，再将重构后的光流和原始视频帧同时输入未来帧预测网络中，以重构光流为条件辅助帧预测网络更好的生成未来帧。为了提取更有效的特征，提出了一种残差卷积注意力模块(SRCAM)促进重构和预测网络在全局和局部层面有效学习潜在空间的特征表示，从而增强模型对视频中异常事件的检测能力，提高模型的鲁棒性。通过在UCSD Ped2和CUHK Avenue两个常用的视频异常检测数据集上进行广泛的实验评估，证明所提方法的有效性。

关键词：视频异常检测注意力机制流重构帧预测自动编码器

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于双重动态记忆网络的弱监督视频异常检测

计算机科学 2024年第1期51卷 243-251页

作者：周文浩胡宏涛陈旭赵春晖浙江大学控制科学与工程学院杭州310027

视频异常检测需从整段视频中识别帧级别的异常行为。弱监督方法使用正常与异常视频,辅以视频级别标签训练模型,相比无监督视方法展现出了更优越的性能。然而,目前的弱监督视频异常检测方法无法记录视频长期模态,且部分方法为了获得更优... 详细信息

视频异常检测需从整段视频中识别帧级别的异常行为。弱监督方法使用正常与异常视频,辅以视频级别标签训练模型,相比无监督视方法展现出了更优越的性能。然而,目前的弱监督视频异常检测方法无法记录视频长期模态,且部分方法为了获得更优的检测效果,利用了未来帧的信息,导致无法在线应用。为此,文中首次提出了一种基于双重动态记忆网络的弱监督视频异常检测方法,通过设计包含两个记忆模块的记忆网络来分别记录视频中长期的正常和异常模态。为了实现视频特征和记忆项的协同更新,采用读操作基于记忆模块中的记忆项对视频帧的特征进行增强,采用写操作基于视频帧特征对记忆项的内容进行更新,同时记忆项的数量在训练的过程中会动态调整从而适应不同视频监控场景的需求。在训练时,设计模态分离损失增加记忆项之间的区分度。在测试时,仅需要记忆项而不需要未来视频帧的参与,从而实现准确的在线检测。在两个公开的弱监督视频异常检测数据集上的实验结果表明,所提方法优于所有在线应用的方法,相比只能离线应用的方法也具有很强的竞争力。

关键词：视频异常检测弱监督学习记忆网络多示例学习深度学习

利用局部-全局时间依赖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

计算机应用 2024年

作者：宋鹏程郭立君张荣宁波大学信息科学与工程学院

弱监督视频异常检测（WS-VAD）对智能安防领域具有重要意义，目前WS-VAD任务面临以下问题：现有方法更关注模型对视频片段本身的判别，忽略了片段之间的局部和全局时间依赖性；在损失函数设置上忽略了异常事件的时序结构；异常视频中存... 详细信息

弱监督视频异常检测（WS-VAD）对智能安防领域具有重要意义，目前WS-VAD任务面临以下问题：现有方法更关注模型对视频片段本身的判别，忽略了片段之间的局部和全局时间依赖性；在损失函数设置上忽略了异常事件的时序结构；异常视频中存在着大量正常片段噪声，干扰训练收敛。为此，文中提出一种局部-全局时间依赖（LGTD）网络。该网络利用多尺度时序特征融合模块，捕获不同时间跨度内的片段局部时间相关性；同时，利用多头自注意力模块，整合视频内所有片段的信息，理解整个视频序列的时间相关性；最后，利用通道注意力模块，优化片段内部特征权重，从而更准确地捕捉视频片段的时空特征，并显著提升模型的检测性能。此外，进一步改进了现有损失函数，引入互补的K-maxmin包内损失和Top-K包外损失，以提高从异常视频中选取异常片段进行训练优化的概率。在对比实验中，所提方法在UCF-Crime和ShanghaiTech数据集上的平均曲线下面积(AUC)分别达到了83.18%和95.41%。与协同正态学习（CNL）方法相比，所提方法在UCF-Crime和ShanghaiTech数据集上的AUC分别提高了0.08个百分点和7.21个百分点。实验结果表明，所提方法能有效提升模型的检测性能。

关键词：视频异常检测弱监督学习多实例学习多尺度特征融合多头自注意力机制

联合语义提示和记忆增强的弱监督跳绳视频异常检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2024年第7期50卷 87-95页

作者：周炫余吴莲华郑勤华肖天星王紫璇张思敏湖南师范大学基础教育大数据研究与应用重点实验室湖南长沙410006 北京师范大学远程教育中心北京100091

面向全国的学生综合评价与发展平台采集了百万级学生跳绳运动数据用于中小学生身体素质测评,然而在采集的跳绳视频中存在着非跳绳视频、人物未全身出镜等不符合拍摄要求的各类异常视频,严重影响了后续学生身体素质测评模型的准确性和鲁... 详细信息

面向全国的学生综合评价与发展平台采集了百万级学生跳绳运动数据用于中小学生身体素质测评,然而在采集的跳绳视频中存在着非跳绳视频、人物未全身出镜等不符合拍摄要求的各类异常视频,严重影响了后续学生身体素质测评模型的准确性和鲁棒性。针对上述问题,提出一种联合语义提示和记忆增强的弱监督跳绳视频异常检测方法。该方法首先提取正常跳绳视频和异常跳绳视频的视觉特征,将正常特征和异常特征成对训练,增强模型对异常视频特征的感知能力;其次设计两个自监督记忆网络分别存储和分离正常视频和异常视频的特征,进一步增强模型的特征表达能力;最后引入提示学习方法迁移大规模预训练模型中的多种跳绳异常类型的语义先验知识,增强模型在样本不足的情况下对多种异常类型语义信息的理解。实验结果表明,该方法在自建的跳绳异常检测数据集(SRAD)上的AUC为94.14%,相较于基准方法提升了2.71个百分点,具有较高的准确性。该方法对实现身体素质的智能测评、推动教育评价改革具有重要意义。

关键词：视频异常检测提示学习记忆网络弱监督学习身体素质测评

在线全文

学校读者我要写书评

暂无评论

面向超像素块级记忆学习的视频异常检测

计算机工程与应用 2024年

作者：谢斌红王乾张睿张英俊陆望东太原科技大学计算机科学与技术学院山西天河云计算有限公司

针对当前视频异常检测模型中网络泛化能力过强，导致某些异常帧也能被很好预测的问题，提出一种面向超像素块级记忆学习的视频异常检测方法（Superpixel Block-Level Memory Learning oriented Video Anomaly Detection，SBM-VAD）。首... 详细信息

针对当前视频异常检测模型中网络泛化能力过强，导致某些异常帧也能被很好预测的问题，提出一种面向超像素块级记忆学习的视频异常检测方法（Superpixel Block-Level Memory Learning oriented Video Anomaly Detection，SBM-VAD）。首先，通过超像素分割算法SLIC调整特征图的分割粒度，以在实时原型记忆库（Real-Time Prototype Memory Bank，RTPMB）中存储更精细的原型粒度，从而增强正常帧与异常帧在特征表示中的区分性。其次，在U-Net预测网络的每层跳跃连接处引入一个与分割大小相匹配的实时原型记忆库，以避免模型学习输入到输出的恒等映射，有效约束传入解码器的特征。此外，采用一种基于软注意力策略的信号去噪模块（Signal Denoising Module，SDM），引导模型优先学习预测前景区域，从而获得具有高质量前景的预测帧。最后，在UCSD、CUHK Avenue和Shanghai Tech公开数据集上进行实验验证，结果表明改进后的模型在异常检测能力和效果方面均有显著提升。

关键词：视频异常检测过泛化能力原型粒度恒等映射信号去噪

在线全文

同方期刊数据库

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

基于UNet3+生成对抗网络的视频异常检测

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2024年第3期45卷 777-784页

作者：陈景霞林文涛龙旻翔张鹏伟陕西科技大学电子信息与人工智能学院陕西西安710021

为解决传统视频异常检测方法在不同场景下多尺度特征提取不完全的问题,提出两种方法:一种是用于简单场景的基于UNet3+的生成对抗网络方法(简称U3P^(2)),另一种是用于复杂场景的基于UNet++的生成对抗网络方法(简称UP^(3))。两种方法分别... 详细信息

为解决传统视频异常检测方法在不同场景下多尺度特征提取不完全的问题,提出两种方法:一种是用于简单场景的基于UNet3+的生成对抗网络方法(简称U3P^(2)),另一种是用于复杂场景的基于UNet++的生成对抗网络方法(简称UP^(3))。两种方法分别对连续输入的视频帧生成预测,引入多种损失函数和光流模型学习其外观与运动信息,通过计算AUC进行性能评估。U3P^(2)方法以6.3 M参数量在Ped2数据集的AUC提升约0.6%,而UP^(3)方法在Avenue数据集的AUC提升约0.8%,验证其能够有效应对不同场景下的异常检测任务。

关键词：生成对抗网络视频异常检测 U型卷积网络全尺度跳跃连接密集跳跃连接光流模型多尺度特征提取