基于深度学习的视频异常行为识别算法

• 作者: 张上 熊昕 聂豪 郭原东 陈小辉
• 来源期刊: 现代电子技术
• 关键词: 视频异常行为 异常行为识别 深度学习 行为分类 网络训练 仿真测试
• 年，卷（期）: 2020,（24）
• 所属期刊栏目: 计算机科学与应用
• 页码范围: 110-112,116
• 页数: 4页
• 分类号: TN926⁃34|TP391.4
• 语种: 中文
• DOI: 10.16652/j.issn.1004⁃373x.2020.24.028

摘要

针对传统的异常行为检测算法仅使用RGB图像作为网络的输入,而未考虑到视频序列中隐藏运动信息的问题,文中提出一种基于双流卷积神经网络的视频异常行为检测算法.该算法分别使用RGB图像与视频帧间的光流信息作为两个网络分支的输入来学习空间维信息与时间维信息,并使用长短时神经网络来建模长时视频帧间的依赖关系,从而得到最终的行为分类结果.仿真测试结果表明,所提出的方法在UCSD Ped1、Shanghai Tech和Pedestrian 2数据集上均能取得较好的识别效果,且使用帧间运动信息能够显著提升异常行为检测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈小辉		7	3	1.0	1.0
2	张上		14	5	1.0	1.0
3	熊昕		6	1	1.0	1.0
4	聂豪		1	0	0.0	0.0
5	郭原东		1	0	0.0	0.0