基于双侧空间窗的异常检测方法

针对现有异常检测方法难以解释异常属性的问题,本文提出基于双侧空间窗的异常检测方法。首先,在前景检测的基础上,本文对场景边界区域进行双侧空间窗采样,提取双侧空间窗特征;随后,为了提取异常事件的速度属性、相关性属性、时间差属性的提取,本文分析了双侧空间窗的时序互相关理论和实际特性,实现了异常细分属性的描述;最后为了进一步描述目标类别属性,本文使用了基于快速傅里叶变换的外观特征,利用最大间隔思想训练异常检测模型。在真实场景BEHAVE数据库的实验中,可以看出AP和AUC评价指标超出现有对比方法,而且还能在没有先验知识指导的情况下,自动识别出监控场景出入口的位置。