基于行动片段补充生成器的异常行为检测方法
为了解决监控视频数量的迅速增长给视频存储及分析带来的问题,提出了一种结合3D卷积网络与MIL(multiple instance learning)异常检测的方法,构造了一个异常行为片段补充生成器对提案网络的动作片段进行补充,并修改了分类网络的3D卷积网络结构,提升了分类网络的性能.根据MIL异常检测结果得分情况实现对边界检测结果的调整,自适应地控制输出结果的数量,在保证选择高分的异常行为检测结果的同时对多余部分进行筛选过滤,实现对监控视频的精细边界检测的目标.在UCF_crimes数据集上进行的实验表明,提出的异常行为边界检测方法与传统方法相比具有更好的检测效果.
监控视频、多实例学习、3D卷积、异常行为、边界检测
31
TP751.1(遥感技术)
国家自然科学基金资助项目61405041,61571145;中央高校基本科研业务费资助项目3072019CFM0801,3072019CFQ0801;哈尔滨市优秀学科带头人基金资助项目RC2013XK009003
2020-01-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
483-488