基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
人群中的异常行为是一大潜在威胁, 自动检测监控中的异常行为成为近年的研究热点之一.然而, 由于异常的未知性与复杂性, 已有的检测方法仍然存在检测率低、定位精度差的问题.为此, 提出了对视频监控中的人群异常行为自动检测与定位的方法.结合灰度值与光流场的分布提取运动区域;对运动区域分割得到有效的运动块, 从中提取表示外观和动态的两种特征, 即局部H梯度方向直方图G和局部H光流方向直方图F特征;使用kmeans方法对运动块进行聚类, 对每类样本使用一类分类器进行建模.最后, 加入运动连续性约束, 以抑制干扰噪声.在两个复杂的异常行为数据集上的实验结果表明, 本文方法明显优于已有的检测方法, 且可以满足正确率高、抗干扰能力强等实际工程需求.
推荐文章
基于深度时空卷积神经网络的人群异常行为检测和定位
人群异常行为检测
深度时空卷积神经网络
迁移学习
数据扩充
基于图像处理的人员异常行为监测设计
图像处理
异常行为监控
智能识别
数据采集
基于统计学习的人群异常行为检测
异常检测
特征提取
统计学习
高斯混合模型
mean shift
基于DMC-HMM模型的视频异常行为检测
异常行为检测
光流语义特征抽取
狄利克雷多项式共轭模型
狄利克雷多项式共轭隐马尔科夫模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 视频监控中的人群异常行为检测与定位
来源期刊 光学学报 学科 工学
关键词 机器视觉 模式识别 人群异常检测 运动区域分割 特征提取 一类分类器 运动连续性滤波
年,卷(期) 2018,(8) 所属期刊栏目 "机器视觉检测与应用"专题
研究方向 页码范围 97-105
页数 9页 分类号 TP391.4
字数 语种 中文
DOI 10.3788/AOS201838.0815007
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 罗海波 中国科学院沈阳自动化研究所 40 563 13.0 22.0
2 侯幸林 中国科学院沈阳自动化研究所 3 24 2.0 3.0
3 周培培 中国科学院沈阳自动化研究所 3 24 2.0 3.0
4 丁庆海 中国科学院沈阳自动化研究所 2 15 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (16)
参考文献  (18)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(7)
  • 参考文献(2)
  • 二级参考文献(5)
2015(6)
  • 参考文献(1)
  • 二级参考文献(5)
2016(6)
  • 参考文献(3)
  • 二级参考文献(3)
2017(9)
  • 参考文献(7)
  • 二级参考文献(2)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
机器视觉
模式识别
人群异常检测
运动区域分割
特征提取
一类分类器
运动连续性滤波
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
光学学报
半月刊
0253-2239
31-1252/O4
大16开
上海市嘉定区清河路390号(上海800-211信箱)
4-293
1981
chi
出版文献量(篇)
11761
总下载数(次)
35
总被引数(次)
130170
论文1v1指导