已有的異常行為檢測大多采用人工特征,然而人工特征計(jì)算復(fù)雜度高且在復(fù)雜場景下很難選擇和設(shè)計(jì)一種有效的行為特征.為了解決這一問題,結(jié)合堆積去噪編碼器和改進(jìn)的稠密軌跡,提出了一種基于深度學(xué)習(xí)特征的異常行為檢測方法.為了有效地描述行為,利用堆積去噪編碼器分別提取行為的外觀特征和運(yùn)動(dòng)特征,同時(shí)為了減少計(jì)算復(fù)雜度,將特征提取約束在稠密軌跡的空時(shí)體積中;采用詞包法將特征轉(zhuǎn)化為行為視覺詞表示,并利用加權(quán)相關(guān)性方法進(jìn)行特征融合以提高特征的分類能力.最后,采用稀疏重建誤差判斷行為的異常.在公共數(shù)據(jù)庫CAVIAR和BOSS上對(duì)該方法進(jìn)行了驗(yàn)證,并與其它方法進(jìn)行了對(duì)比試驗(yàn),結(jié)果表明了該方法的有效性.

聯(lián)系：highspeedlogic

QQ ：1224848052

微信：HuangL1121

郵箱：1224848052@qq.com

網(wǎng)站：http://www.mat7lab.com/

網(wǎng)站：http://www.hslogic.com/

微信掃一掃：