-
题名显著性光流直方图字典表示的群体异常事件检测
被引量：5
- 1
-
-
作者
岑翼刚
王文强
李昂
梁列全
王恒友
-
机构
北京交通大学信息科学研究所
现代信息科学与网络技术北京市重点实验室
广东财经大学电子商务研究院
北京建筑大学理学院
-
出处
《信号处理》
CSCD
北大核心
2017年第3期330-337,共8页
-
基金
国家自然科学基金(61572067,61502024)
北京市自然科学基金(4162050)
+1 种基金
广东省自然科学基金(2016A030313708)
中央高校基本科研业务费(K16JB00110)
-
文摘
在视频监控系统已被广泛应用的今天,基于监控视频的群体异常事件检测已成为保障社会安全的迫切需要,越来越受到人们的重视。该文基于这一现状,提出了一个新的群体异常事件检测方案,实现对监控视频自动高效的检测。在特征提取方面,提出了显著性光流直方图特征描述符,并利用该特征描述符构建字典;在字典优化方面,提出了基于聚类的多字典组合学习框架,将原始的大字典分为多个子字典;最后,对于测试样本,找出最适合的子字典并计算测试样本在该子字典下的重建误差,即可判断测试样本是否异常。在两个数据集上的实验表明,与其他方法相比,该文提出的方法对拥挤场景下监控视频中的群体异常事件检测取得了较好的检测性能。
-
关键词
异常事件检测
光流直方图
字典训练
聚类
稀疏重构
-
Keywords
abnormal event detection
histogram of optical flow
dictionary training
clustering
Sparse Reconstruction
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
-
题名特征在线更新与加权的压缩跟踪算法
被引量：1
- 2
-
-
作者
封万里
岑翼刚
王艳红
岑翼
梁列全
-
机构
北京交通大学信息科学研究所
现代信息科学与网络技术北京市重点实验室
中央民族大学信息工程学院
广东财经大学电子商务研究院
-
出处
《信号处理》
CSCD
北大核心
2017年第4期533-539,共7页
-
基金
国家"八六三"高技术研究发展计划(2014AA015202)
国家自然科学基金(61272028
+2 种基金
61572067)
北京市自然基金(4162050)
广东省产学研合作专项(2013B090500010)
-
文摘
在目标跟踪中,针对目标外观改变使得目标丢失的问题,本文提出了特征在线更新与加权的压缩跟踪(compressive tracking,CT)算法。首先基于压缩感知理论提取目标的矩形特征,根据每个特征对当前帧目标的分类效果判定其可靠性,及时更新不可靠特征;其次,实时增加可靠特征在分类器中的权重,从而突出可靠特征的重要性;最后将加权候选样本特征输入贝叶斯分类器,得到下一帧的目标位置。选取八组视频序列测试改进算法的效果,结果表明与传统的压缩跟踪,局部敏感直方图跟踪(locality sensitive histograms tracking,LSHT)及在线自适应增强(online Ada Boost,OAB)算法相比,改进算法取得了更好的跟踪结果,并且在目标外观改变时依然跟踪准确,平均帧速为39fps,满足实时性要求。
-
关键词
压缩感知
目标跟踪
外观改变
在线特征更新
加权特征
-
Keywords
compressive sensing
object tracking
appearence changes
online feature update
weighted feature
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
