期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
一种基于脉线流卷积神经网络的人群异常行为检测算法 被引量：2
1
作者 蒋俊 张卓君 +3 位作者 高明亮 徐立宾 潘金凤 王新越 《工程科学与技术》 EI CAS CSCD 北大核心 2020年第6期215-222,共8页
在计算机视觉领域,人群异常行为检测技术可以广泛应用于视频监控、智能视频分析、群体行为识别等领域,因此,受到了学者们的广泛关注。由于视频中人群目标具有尺度变化大、透视形变、标注偏置等特点,人群异常行为检测依然是一个具有挑战... 在计算机视觉领域,人群异常行为检测技术可以广泛应用于视频监控、智能视频分析、群体行为识别等领域,因此,受到了学者们的广泛关注。由于视频中人群目标具有尺度变化大、透视形变、标注偏置等特点,人群异常行为检测依然是一个具有挑战性的难题。为此,本文提出了一种基于脉线流卷积神经网络的人群异常行为检测方法(streak flow CNN abnormal behavior detection,SFCNN–ABD)。SFCNN–ABD是一个双域网络,网络结构由两个深度残差网络作为骨干网络,分别为空域网络和时域网络。其中,空域网络的输入是原始视频帧,提取人群行为的表观特征;时域网络利用脉线流提取人群行为的运动特征,脉线流能更准确地识别场景中的空域和时域变化,因此能进一步提升人群异常行为检测的准确性。所提方法是通过卷积神经网络获取显著的人群行为空域特征,并通过脉线流结合卷积神经网络获取人群行为时域特征;最后,将两个网络的输出求取平均值,完成人群异常行为的检测。在UMN和VIF两个公开基准数据集进行了测试,实验结果表明本文方法的检测准确率优于当前主流算法,验证了本文方法的有效性。 展开更多
关键词 人群异常行为检测 脉线流 时空卷积网络 残差网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部