-
公开(公告)号：CN111079539B
公开(公告)日：2023-03-21
申请号：CN201911130940.1
申请日：2019-11-19
Applicant: 华南理工大学
IPC: G06V40/20 , G06V20/40 , G06V10/764
Abstract: 本发明公开了一种基于异常追踪的视频异常行为检测方法，包括以下步骤：S1、视频异常检测与追踪模型的设计；S2、对视频提取前景块，再输入到卷积自编码器中编码再解码输出重构视频块，并训练卷积自编码器能学习到时空特征；S3、将时空特征用局部敏感哈希函数映射到不同的桶中，训练一对多支持向量机分类器；S4、利用分类器对测试视频块分类，将多个分类器的最高得分取负作为异常得分，设置阈值初步检测视频中的异常块；S5、用核相关滤波跟踪方法跟踪初步检测得到的异常块，对异常目标的区域进行矫正。本发明通过跟踪初步检测得到的异常块，纠正异常目标的位置，并对根据异常目标路径块得到的异常目标得分曲线平滑，去除噪声的影响，提高检测的精度。
-
公开(公告)号：CN109919032B
公开(公告)日：2021-03-30
申请号：CN201910098962.8
申请日：2019-01-31
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于动作预测的视频异常行为检测方法，具体步骤包括：设计对抗生成网络模型，所设计的对抗生成网络模型包括生成器和判别器；搭建生成器的编码部分；搭建生成器的解码部分；搭建判别器；训练对抗生成网络模型的生成器和判别器；根据得到的最佳生成器网络，对视频中发生的异常事件进行检测。本发明通过利用一部分正常行为的视频统计其生成误差，根据不同场景以及时间变化动态生成异常检出阈值，能够应用于更多不同的场景，增加鲁棒性。
-
公开(公告)号：CN111079539A
公开(公告)日：2020-04-28
申请号：CN201911130940.1
申请日：2019-11-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于异常追踪的视频异常行为检测方法，包括以下步骤：S1、视频异常检测与追踪模型的设计；S2、对视频提取前景块，再输入到卷积自编码器中编码再解码输出重构视频块，并训练卷积自编码器能学习到时空特征；S3、将时空特征用局部敏感哈希函数映射到不同的桶中，训练一对多支持向量机分类器；S4、利用分类器对测试视频块分类，将多个分类器的最高得分取负作为异常得分，设置阈值初步检测视频中的异常块；S5、用核相关滤波跟踪方法跟踪初步检测得到的异常块，对异常目标的区域进行矫正。本发明通过跟踪初步检测得到的异常块，纠正异常目标的位置，并对根据异常目标路径块得到的异常目标得分曲线平滑，去除噪声的影响，提高检测的精度。
-
公开(公告)号：CN109919032A
公开(公告)日：2019-06-21
申请号：CN201910098962.8
申请日：2019-01-31
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于动作预测的视频异常行为检测方法，具体步骤包括：设计对抗生成网络模型，所设计的对抗生成网络模型包括生成器和判别器；搭建生成器的编码部分；搭建生成器的解码部分；搭建判别器；训练对抗生成网络模型的生成器和判别器；根据得到的最佳生成器网络，对视频中发生的异常事件进行检测。本发明通过利用一部分正常行为的视频统计其生成误差，根据不同场景以及时间变化动态生成异常检出阈值，能够应用于更多不同的场景，增加鲁棒性。
-
-
-
Search Results
4
records
(took 0.017 seconds)
