-
题名基于背景消减法的考场作弊行为检测方法
被引量：3
- 1
-
-
作者
蔺永政
吴小羽
李恒建
柳忠光
-
机构
济南大学信息科学与工程学院
山东省计算中心
济南市公安局车辆管理所信息中心
-
出处
《济南大学学报（自然科学版）》
CAS
北大核心
2015年第6期406-409,共4页
-
基金
国家自然科学基金(61303199)
山东省教育科学规划(ZK1101322B021)
-
文摘
为了减少考场的作弊行为,保证考试的公平性,提出了一种将背景消减法应用于考场作弊行为检测的方法。通过分析交换物品的行为特点,提出了一种基于动态阈值的作弊行为检测算法:采用迭代阈值法确定动态阈值对差分图像进行分割,利用分割的结果指导背景的更新,得到良好稳定的背景模型,并基于背景减除算法完成了考场作弊行为的检测。实验结果表明,这种方法能够较好地检测出交换物品的作弊行为,并能克服光线等因素的影响,有效甄别考场的作弊行为。
-
关键词
背景消减
作弊行为
动态阈值
行为检测
-
Keywords
background subtraction
cheating behavior
dynamic threshold
behavior detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于贝叶斯生成对抗网络的背景消减算法
被引量：12
- 2
-
-
作者
郑文博
王坤峰
王飞跃
-
机构
西安交通大学软件学院
中国科学院自动化研究所复杂系统管理与控制国家重点实验室
青岛智能产业技术研究院平行视觉技术创新中心
国防科学技术大学军事计算实验与平行系统技术研究中心
-
出处
《自动化学报》
EI
CSCD
北大核心
2018年第5期878-890,共13页
-
基金
国家自然科学基金(61533019
91720000)资助~~
-
文摘
背景消减是计算机视觉和模式识别的关键技术之一.本文提出一种新的背景消减算法,该算法首先利用中值滤波算法进行背景数据的获取,然后基于贝叶斯生成对抗网络进行训练,利用生成对抗网络的特性,有效地对每个像素进行分类,解决了光照渐变和突变、非静止背景以及鬼影的问题.本文采用深度卷积神经网络,来构建贝叶斯生成对抗网络的生成器和判别器.实验结果表明,本文提出的算法性能在绝大多数情况下优于现有其他算法.本文的贡献在于首次将贝叶斯生成对抗网络应用于背景消减,并且取得了良好的实验效果.
-
关键词
背景消减
背景获取
贝叶斯生成对抗网络
深度卷积神经网络
-
Keywords
Background subtraction
background extraction
Bayesian generative adversarial network
deep convolutional neural networks
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
