异常事件检测

作品数：97被引量：332H指数：11
导出分析报告
相关领域：自动化与计算机技术更多>>
相关作者：徐向华杨华苏航吉根林毛莺池更多>>
相关机构：杭州电子科技大学上海交通大学北京邮电大学天津大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金中央高校基本科研业务费专项资金惠州市科技计划项目江西省自然科学基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=计算机科学x
共 条 记 录，以下是1-5
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于非局部注意力生成对抗网络的视频异常事件检测方法被引量：4
《计算机科学》2022年第8期172-177,共6页孙奇 吉根林 张杰 
国家自然科学基金(41971343)。
针对异常事件的不确定性,文中选择使用未来帧预测的方式对视频进行异常事件检测。通过正常样本对预测模型进行训练,使模型能够准确预测不包含异常事件的未来帧,但对于包含未知事件的视频帧,模型无法进行预测,利用生成对抗网络以及表观...
关键词：视频异常事件检测 生成对抗网络 视频预测 非局部注意力机制 深度学习 
基于自反馈最优子类挖掘的视频异常检测算法被引量：1
《计算机科学》2021年第7期199-205,共7页侯春萍 赵春月 王致芃 
国际合作与交流NFSC项目(61520106002);国家自然科学基金(61731003)。
视频异常检测算法是视频处理领域的研究热点之一,用于检测视频中是否包含异常事件。然而,由于没有异常样本参与训练过程,且异常样本与正常样本之间存在一定程度的相似性,因此很难设计出一种有辨识力的异常检测模型。为了解决上述问题,...
关键词：视频异常事件检测 特征选择 自反馈 最优子类挖掘 一类支持向量机 
在线异常事件检测的时序建模被引量：2
《计算机科学》2021年第7期206-212,共7页卿来云 张建功 苗军 
国家自然科学基金面上项目(61872333Y);北京未来芯片技术高精尖创新中心科研基金(KYJJ2018004);北京教委科技计划项目(KM201911232003);北京市自然科学基金(4202025)。
弱监督异常事件检测是一项极富挑战性的任务,其目标是在已知正常和异常视频标签的监督下,定位出异常发生的具体时序区间。文中采用多示例排序网络来实现弱监督异常事件检测任务,该框架在视频被切分为固定数量的片段后,将一个视频抽象为...
关键词：异常事件检测 弱监督学习 多示例学习 注意力机制 时序卷积网络 
一种基于视频分析的高速公路交通异常事件检测算法被引量：14
《计算机科学》2020年第8期208-212,共5页姚兰 赵永恒 施雨晴 于明鹤 
国家自然科学基金(61433008,U1435216)。
交通领域的异常事件检测对于预防和及时处理交通事故有着重要作用。当前大多数交通异常事件检测都是通过人工完成的,耗费了大量的人力,同时实时性也较差。文中针对高速公路的交通场景特点,利用深度学习中的目标检测算法,对视频中的车辆...
关键词：视频监控 目标检测 目标追踪 异常事件检测 轨迹特征 
基于线性动态系统稀疏编码的异常事件检测被引量：2
《计算机科学》2014年第10期300-305,共6页刘洋 李一波 
国家自然科学基金青年基金项目(61103123)资助
线性动态系统模型结合稀疏编码实现异常事件检测。线性动态系统可有效地捕捉动态纹理在时间和空间的转移信息,描述视频的时空小块。然而,线性动态系统属于非欧氏空间,无法直接用传统的稀疏编码进行异常检测。基于约束凸优化公式,将相似...
关键词：稀疏编码 异常事件检测 线性动态系统 相似性变换 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部