基于稀疏表示和低秩逼近的自适应异常事件检测算法

• 作者: 丁恩杰 余博思 周晓雨
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 稀疏表示 低秩逼近 异常事件检测 低秩稀疏编码模型 字典学习 K-均值聚类
• 年，卷（期）: 2016,（6）
• 页码范围: 666-673
• 页数: 8页
• 分类号: TP391.4
• 字数: 4835字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2016.40.06.005

摘要

针对传统异常事件检测算法没有考虑视频数据低秩特性的问题,提出了基于低秩稀疏编码模型的字典学习算法。对提取的多尺度三维时空梯度特征进行K-均值聚类。利用低秩稀疏编码模型进行每一个特征聚类的字典学习。通过迭代聚类和字典学习获取所有的正常行为模式。采用公共数据集UCSD Ped1和Avenue检测该算法的性能。与社会力( SF)、混合概率主成分分析( MPPCA)、社会力-混合概率主成分分析( SF-MPPCA)、混合动态纹理( MDT),Adam、子空间( Suspace)、稀疏组合学习框架( SCLF)7种方法对比,该文算法具有较高的正确率和较强的实时性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁恩杰	中国矿业大学物联网感知矿山研究中心	115	892	16.0	25.0
2	周晓雨	中国矿业大学物联网感知矿山研究中心	1	2	1.0	1.0
6	余博思	南京理工大学计算机科学与工程学院	1	2	1.0	1.0