| 基于深度学习特征的异常行为检测 |
| |
| 引用本文： | 王军,夏利民.基于深度学习特征的异常行为检测[J].湖南大学学报(自然科学版),2017,44(10):130-138. |
| |
| 作者姓名： | 王军 夏利民 |
| |
| 作者单位： | (中南大学 信息科学与工程学院,湖南 长沙 410075) |
| |
| 摘 要： | 已有的异常行为检测大多采用人工特征,然而人工特征计算复杂度高且在复杂场景下很难选择和设计一种有效的行为特征.为了解决这一问题,结合堆积去噪编码器和改进的稠密轨迹,提出了一种基于深度学习特征的异常行为检测方法.为了有效地描述行为,利用堆积去噪编码器分别提取行为的外观特征和运动特征,同时为了减少计算复杂度,将特征提取约束在稠密轨迹的空时体积中;采用词包法将特征转化为行为视觉词表示,并利用加权相关性方法进行特征融合以提高特征的分类能力.最后,采用稀疏重建误差判断行为的异常.在公共数据库CAVIAR和BOSS上对该方法进行了验证,并与其它方法进行了对比试验,结果表明了该方法的有效性.
|
| 关 键 词： | 异常行为 深度学习特征 堆积去噪编码器 特征提取 稠密轨迹 |
Abnormal Behavior Detection Based on Deep-Learned Features |
| |
| Institution: | (College of Information Science and Engineering,Central South University ,Changsha 410075,China ) |
| |
| Abstract: | |
| |
| Keywords: | abnormal behavior deep-learned features SDAE feature extraction dense trajectories |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《湖南大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南大学学报(自然科学版)》下载免费的PDF全文 |
|
