-
公开(公告)号：CN110263728A
公开(公告)日：2019-09-20
申请号：CN201910548528.5
申请日：2019-06-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于改进的伪三维残差神经网络的异常行为检测方法，包括以下步骤：首先，将训练集中的每个视频分割为多个视频片段；其次，将一个视频的所有视频片段分别输入改进的伪三维残差神经网络后得到它们的特征；然后，取每个片段里所有帧的特征向量的平均值，并紧接着对特征均值进行L2范数归一化，从而得到该视频片段的特征向量；最后，将视频片段的特征向量输入到一个3层的全连接神经网络，就会输出视频片段的异常得分。实验结果表明，与目前方法相比，本文所提方法进一步提高了异常行为检测的准确率，更贴合实际应用。
-
公开(公告)号：CN110263728B
公开(公告)日：2022-08-19
申请号：CN201910548528.5
申请日：2019-06-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于改进的伪三维残差神经网络的异常行为检测方法，包括以下步骤：首先，将训练集中的每个视频分割为多个视频片段；其次，将一个视频的所有视频片段分别输入改进的伪三维残差神经网络后得到它们的特征；然后，取每个片段里所有帧的特征向量的平均值，并紧接着对特征均值进行L2范数归一化，从而得到该视频片段的特征向量；最后，将视频片段的特征向量输入到一个3层的全连接神经网络，就会输出视频片段的异常得分。实验结果表明，与目前方法相比，本文所提方法进一步提高了异常行为检测的准确率，更贴合实际应用。
-
公开(公告)号：CN110705376A
公开(公告)日：2020-01-17
申请号：CN201910860850.1
申请日：2019-09-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于生成式对抗网络(GAN)的异常行为检测方法。本发明方法包括以下步骤：首先，搭建U-Net网络并将其作为GAN中的生成器模块，其中，不仅使用了外观(空间)约束，还引入了运动(时间)约束。其次，采用patch鉴别器(补丁鉴别器)作为GAN中的鉴别器模块。然后，交替地对生成器和鉴别器进行对抗式训练，直至鉴别器无法分辨生成的帧和真实帧。最后，通过训练好的GAN模型进行异常行为检测实验。在三个公开可用的异常检测数据集上的实验结果表明，本发明所提方法有效提高了异常行为检测的准确率。
-
-
Search Results
3
records
(took 0.017 seconds)
