基于深度学习特征的异常行为检测

• 作者: 夏利民 王军
• 来源期刊: 湖南大学学报（自认科学版）
• 关键词: 异常行为 深度学习特征 堆积去噪编码器 特征提取 稠密轨迹
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 计算机科学
• 页码范围: 130-138
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2017.10.018

摘要

已有的异常行为检测大多采用人工特征,然而人工特征计算复杂度高且在复杂场景下很难选择和设计一种有效的行为特征.为了解决这一问题,结合堆积去噪编码器和改进的稠密轨迹,提出了一种基于深度学习特征的异常行为检测方法.为了有效地描述行为,利用堆积去噪编码器分别提取行为的外观特征和运动特征,同时为了减少计算复杂度,将特征提取约束在稠密轨迹的空时体积中;采用词包法将特征转化为行为视觉词表示,并利用加权相关性方法进行特征融合以提高特征的分类能力.最后,采用稀疏重建误差判断行为的异常.在公共数据库CAVIAR和BOSS上对该方法进行了验证,并与其它方法进行了对比试验,结果表明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏利民	中南大学信息科学与工程学院	102	814	16.0	22.0
2	王军	中南大学信息科学与工程学院	65	494	12.0	19.0