融合梯度差信息的稀疏去噪自编码网络在异常行为检测中的应用

摘要：

本文是在稀疏去噪自编码网络的基础上,增加梯度差约束条件改进了自编码网络的解码效果,并成功地应用于全局异常行为检测的领域.基于稀疏自编码网络异常行为的检测过程是通过训练非异常行为的视频帧数据得到自编码网络模型,将待测视频帧输入模型,根据前向传播算法得到模型的输出,计算输出与输入之间的损失值,当该值高于某个阈值时,判定该视频帧中存在异常行为.通过在标准异常行为库开展的实验表明融合梯度差信息的稀疏去噪自编码网络算法较传统的稀疏去噪自编码网络算法在全局异常行为检测中更加有效.

关键词：自编码网络、稀疏编码、梯度差信息、异常行为

所属期刊栏目：43

分类号：TP3;P31

资助基金：国家自然科学基金61171118,61673234,U1636124;National Natural Science Foundation of China61171118,61673234,U1636124

在线出版日期：2017-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：604-610