伪异常引导的卷积自编码网络视频异常检测

视频异常检测由于可以高效、低成本地维护公共安全,在国家安防、医疗监护中发挥着重要作用.基于重构的深度自编码网络异常检测方法因其强大的表示能力而得到了广泛的研究.然而,自编码网络通常也可以成功地重建异常行为,从而导致异常行为的漏检.针对这一问题,提出了一种伪异常引导的卷积自编码网络视频异常检测方法,模型使用3D卷积提取视频时空特征.首先,通过正常数据模拟异常数据分布生成伪异常,提出了两种生成伪异常的方法:基于跳帧的方法和基于补丁的方法;然后,使用正常数据和生成的伪异常数据训练模型,训练时较好地重建正常数据同时较差地重建伪异常数据,由此模型被鼓励为限制异常数据的重建;最后,在UCSD-Ped2、Avenue和ShanghaiTech三个公共视频异常检测数据集上与其他基于重建的模型进行比较,其检测精度获得了有效提升.

基于伪异常点辨识的关口电能表计量数据异常研究

关口电能表计量数据是贸易结算的根据,其数据质量的好坏对贸易结算的公平、公正性产生较大影响。针对现有计量数据异常辨识方法忽略了关口表异常状态与负荷动态行为之间差异性的缺陷,该文提出一种基于伪异常点辨识的关口电能表计量数据异常辨识方法。该方法考虑到用户动态用电行为具有潜在规律性,结合时间序列分解和自相关分析挖掘其内在周期性,并考虑负荷曲线的动态变化特点,采用用电相似度判据消除时间偏移影响,进而实现伪异常点准确辨识。基于西南某省电网关口表实测数据对该文方法有效性进行验证,结果表明该文方法能够有效辨识伪异常点,可满足工程实践需要。

瓦斯浓度伪异常诊断准则研究

煤矿井下瓦斯传感器数据有时会因瓦斯校验,瓦斯传感器位移、故障等因素导致瓦斯数据异常从而引发不必要的报警,为解决这一问题,以李雅庄煤矿和平顶山一矿的瓦斯监测数据为基础,从大量的瓦斯监测数据中分析瓦斯伪异常的形态特征、数据特征,最终采用最值、极差、上升速率及时间等特征指标实现对瓦斯监测数据伪异常的识别,实现对井下瓦斯灾害的精准预警。

基于深度学习的视频异常检测研究综述

视频异常检测涉及概率统计、机器学习和深度学习等方法.文中旨在综合作者课题组研究成果和其它前沿科研工作,聚焦于基于深度学习的视频异常检测方法,全面探讨该领域的背景、挑战与解决方案.综合领域内的大多数相关论文,对其进行系统分析,以期为学者提供现阶段研究进展的基础认知.对基于深度学习的视频异常检测方法进行分类、分析,总结各类方法的网络模型选择,详细介绍常用数据集和性能评价指标,以性能对比突显各类方法的优势,并对视频异常检测领域的未来研究方向和应用场景进行深入探讨和展望.

基于深度可分离卷积的异常驱动视频异常检测

视频异常检测已成为当前研究的热点问题,具有深刻的实际应用价值。针对视频异常检测中3D卷积计算复杂度高、难以训练以及使用重构方法进行检测时仅利用正常数据容易导致过拟合的问题,提出一种新型的深度可分离卷积异常驱动网络。首先,通过手工特征提取的方式抽取跳跃帧,并将其作为伪异常样本进行辅助训练;其次,设计深度可分离卷积网络,降低3D卷积的计算参数量;最后,通过最小化正常数据的重构误差和最大化异常数据的方式让网络学习以区分异常数据和正常数据。实验结果表明,该模型在各大公开数据集上均表现出具有竞争力的性能,其中在UCSDped1、UCSDped2、Avenue和UMN数据集上的准确率分别达91.3%、99.2%、87.4%和98.6%。此外,该模型对异常检测具有较强的灵敏度,且具有较强的泛化能力和鲁棒性。

基于前景对象检测和回归的视频异常检测方法

视频异常检测在智能安防领域具有广泛的应用.基于生成模型的方法以其强大的生成能力受到学术界广泛关注.然而,这类方法通常涉及较多的参数,且往往依赖于大量的训练数据,这限制了其在实际应用场景中的适用性.本文提出了一种基于前景对象检测和回归的视频异常检测方法(FODR-VAD).首先,利用目标检测器检测前景对象并构建以对象为中心的时空立方体.其次,采用随机乱序的方法构造伪异常数据.最后,将单分类视频异常检测问题转换为回归任务,在有监督学习范式下优化特征表示.在模型训练参数量小于1 M,使用不到一半训练集的前提下,所提出的方法在UCSD Ped2、CUHK Avenue和ShanghaiTech数据集上的Micro-AUC分别是99.09%、88.16%和78.47%.结果表明,所提出方法在保证较高异常检测能力的同时,可显著降低对训练数据的需求量.

一起220 kV电缆外护层接地电流异常缺陷的分析及处理

电缆外护层接地电流是判断电缆外护层绝缘是否良好的重要依据,准确测量接地电流是开展电缆状态监测的前提。在一起220 kV电缆外护层接地电流伪异常缺陷中,通过查找缺陷原因,诊断现有接地电缆连接方式存在的若干问题,并提出改进措施,防范此类缺陷再次发生。

测氡法在探测浅埋煤层火源范围中的应用

研究了在利用测氡法探测浅埋煤层自燃火源位置的过程中,测氡曲线会在无火区处出现异常峰,而在火源处,曲线却较为平坦,没有异常反映这一伪异常现象。探讨了氡法在探测浅埋煤层火源位置产生伪异常的原因,并结合测温钻孔数据,确定了实际火源的位置和范围。

基于重构误差的地下电缆管道异常检测方法

针对地下电缆管道异常图像样本数量稀少、异常检测难度大等问题,提出一种基于重构误差的地下电缆管道异常检测方法。该方法构建了基于编解码器结构的异常检测模型,将卷积注意力模块(CBAM)嵌入编解码器之间以增强网络的特征提取能力,同时,在编解码器之间使用残差连接,以增强模型对图像细节的重建能力。在训练阶段引入伪随机异常模块,提高模型对异常区域的映射重建能力。实验结果表明,所提方法在公开数据集MVTec上的图像级和与像素级的平均AUROC分别为97.2%和95.9%,在自建数据集WEN_piple上的图像级与像素级的平均AUROC分别为99.9%和97.3%。与其他9种异常检测方法相比所提方法能够有效地对电缆管道内的复杂异常情况进行精确的检测。