-
题名基于时空融合图网络学习的视频异常事件检测
被引量:7
- 1
-
-
作者
周航
詹永照
毛启容
-
机构
江苏大学计算机科学与通信工程学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2021年第1期48-59,共12页
-
基金
国家自然科学基金项目(61672268)。
-
文摘
视频中异常事件所体现的时空特征存在着较强的相关关系.针对视频异常事件发生的时空特征相关性而影响检测性能问题,提出了基于时空融合图网络学习的视频异常事件检测方法,该方法针对视频片段的特征分别构建空间相似图和时间连续图,将各片段对应为图中的节点,考虑各节点特征与其他节点特征的Top-k相似性动态形成边的权重,构成空间相似图;考虑各节点的m个时间段内的连续性形成边的权重,构成时间连续图.将空间相似图和时间连续图进行自适应加权融合形成时空融合图卷积网络,并学习生成视频特征.在排序损失中加入图的稀疏项约束降低图模型的过平滑效应并提升检测性能.在UCF-Crime和ShanghaiTech等视频异常事件数据集上进行了实验,以接收者操作曲线(receiver operating characteristic curve,ROC)以及曲线下面积(area under curve,AUC)值作为性能度量指标.在UCF-Crime数据集下,提出的方法在AUC上达到80.76%,比基准线高5.35%;在ShanghaiTech数据集中,AUC达到89.88%,比同类最好的方法高5.44%.实验结果表明:所提出的方法可有效提高视频异常事件检测的性能.
-
关键词
视频异常事件检测
空间相似图
时间连续图
自适应加权
图卷积网络
-
Keywords
video anomaly detection
spatial similarity graph
temporal trend graph
adaptive weighting
graph convolutional network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-