基于贝叶斯融合的时空流异常行为检测模型
针对直接利用卷积自编码网络未考虑视频时间信息的问题,该文提出基于贝叶斯融合的时空流异常行为检测模型.空间流模型采用卷积自编码网络对视频单帧进行重构,时间流模型采用卷积长短期记忆(LSTM)编码-解码网络对短期光流序列进行重构.接着,分别计算空间流模型和时间流模型下每帧的重构误差,设计自适应阈值对重构误差图进行二值化,并基于贝叶斯准则对空间流和时间流下的重构误差进行融合,得到融合重构误差图,并在此基础上进行异常行为判断.实验结果表明,该算法在UCSD和Avenue视频库上的检测效果优于现有异常检测算法.
异常行为检测、贝叶斯融合、时空流
41
TP391(计算技术、计算机技术)
国家自然科学基金61573168
2019-05-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
1137-1144