期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
注意力与特征融合的未来帧预测异常行为检测算法
1
作者
张瑜玮
王燕妮
《探测与控制学报》
CSCD
北大核心
2023年第4期150-156,共7页
针对异常行为检测模型中检测准确度较低,目标异常类型判断不准确等问题,提出注意力与特征融合的未来帧预测异常行为检测算法。该算法采用无监督生成对抗网络模型,通过计算真实帧和预测帧之间的误差来判断当前帧是否为异常帧。在生成网络...
针对异常行为检测模型中检测准确度较低,目标异常类型判断不准确等问题,提出注意力与特征融合的未来帧预测异常行为检测算法。该算法采用无监督生成对抗网络模型,通过计算真实帧和预测帧之间的误差来判断当前帧是否为异常帧。在生成网络中,以U-Net网络结构为基础,首先引入SoftPool层,减少池化过程中的信息损失;其次引入即插即用的轻量级注意力机制,增强背景信息和目标信息差,有效提升网络性能的同时不增加网络的复杂性;然后,在U-Net编码器低层构造了一种新的特征融合模块来增强图像全局信息的依赖性;最后,为了融合上下文信息,提取更丰富的特征作为输出图像,构造一种新的特征提取模块添加到网络特征图的输出部分。判别网络以马尔可夫判别器为基础,使网络更加关注图像的细节特征。实验中,采用CUHK Avenue数据集和UCSD Ped2数据集对该算法进行验证。实验结果表明,改进后的网络在CUHK Avenue数据集上检测精度达到了85.4%,在UCSD Ped2数据集上检测精度达到了92.4%,证明了该算法的有效性。
展开更多
关键词
生成对抗网络
人体异常行为检测
未来帧预测
特征融合
轻量级注意力机制
下载PDF
职称材料
多层记忆增强生成对抗网络二次预测的视频异常检测方法
被引量:
1
2
作者
曾静
李莹
+1 位作者
戚小莎
吉根林
《应用科学学报》
CAS
CSCD
北大核心
2023年第1期80-94,共15页
为了提高视频异常检测的准确率,提出了一种基于多层记忆增强生成对抗网络二次预测的视频异常检测方法。首先利用目标检测提取时空立方体,并将其输入自编码器中得到预测帧;其次将预测帧的表观特征和对应真实帧的光流特征进行融合,形成融...
为了提高视频异常检测的准确率,提出了一种基于多层记忆增强生成对抗网络二次预测的视频异常检测方法。首先利用目标检测提取时空立方体,并将其输入自编码器中得到预测帧;其次将预测帧的表观特征和对应真实帧的光流特征进行融合,形成融合特征;最后利用多层记忆增强生成对抗网络二次预测未来帧,以便学习不同层次特征的正常模式并捕获上下文的语义信息。在UCSD Ped2和CUHK Avenue数据集上进行的实验结果表明:所提出的方法与其他视频异常检测方法相比,可有效提高视频异常检测的性能,使帧级别AUC分别达到99.57%和91.59%。
展开更多
关键词
视频异常检测
多层记忆增强
生成对抗网络
未来帧预测
深度学习
下载PDF
职称材料
相邻帧光流约束的视频异常行为检测
被引量:
3
3
作者
崔捷
张战成
+1 位作者
方骞
殷歆
《苏州科技大学学报(自然科学版)》
2021年第3期76-84,共9页
异常行为检测存在异常样本缺乏的问题,现有方法大都基于帧的重建方法,但漏检率较高。文章提出了一种利用条件生成对抗网络预测未来帧的无监督检测网络。正常视频片段的相邻帧之间的光流变化较小,而异常视频片段的光流变化较大,基于该发...
异常行为检测存在异常样本缺乏的问题,现有方法大都基于帧的重建方法,但漏检率较高。文章提出了一种利用条件生成对抗网络预测未来帧的无监督检测网络。正常视频片段的相邻帧之间的光流变化较小,而异常视频片段的光流变化较大,基于该发现设计光流引导子网,并将该子网输出的稀疏光流引导特征约束生成器。为了保证生成器能够利用正常的视频帧产生清晰的高质量预测而让异常的帧预测不清晰,基于U-net设计了输入具有时间差的两帧的双流生成器。所提出的模型在CUHK Avenue、ShanghaiTech和Ucf-crime实际监控场景数据集上AUC指标分别达到84.3%、69%、68.7%,优于很多主流算法。加入相邻帧光流约束网络较未加入约束的网络在AUC指标上有2%的提升。结果表明,该约束可以有效引导正常视频帧、限制异常帧的表达、较好地区分正常和异常视频片段。
展开更多
关键词
异常行为
预测
未来
帧
光流引导特征
双流生成器
下载PDF
职称材料
基于多任务学习的视频异常检测方法
4
作者
常兴亚
武云鹤
+1 位作者
陈东岳
邓诗卓
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2023年第8期21-29,共9页
针对异常事件位于图像前景的某个局部区域,且背景区域对于异常检测存在干扰的问题,提出了一种多任务异常检测双流模型,模型架构包含未来帧预测网络和光流重构网络。首先利用前景检测算法获取自然图像和光流图像的目标区域,再将选取的区...
针对异常事件位于图像前景的某个局部区域,且背景区域对于异常检测存在干扰的问题,提出了一种多任务异常检测双流模型,模型架构包含未来帧预测网络和光流重构网络。首先利用前景检测算法获取自然图像和光流图像的目标区域,再将选取的区域送入到编码-解码网络完成未来帧预测和运动重构,对运动特征和表观特征进行提取,最后,使用深度概率网络给出的概率值作为判断异常的决策,并与重构损失及预测损失相结合来判断视频的异常性。本文针对大型场景的3个视频监控数据集(UCSD行人数据集、Avenue、Shanghai Tech)对本文提出的模型进行了异常性评估,所提出的方法在3个数据集上的AUC值分别为97.4%,86.4%,73.4%。与现有工作相比,本文的模型架构简洁且易于训练,异常检测结果更加准确。
展开更多
关键词
异常检测
未来帧预测
运动重构
深度概率估计
多任务学习
下载PDF
职称材料
用于视频异常检测的时序多尺度自编码器
被引量:
3
5
作者
吕浩
易鹏飞
+3 位作者
刘瑞
周东生
张强
魏小鹏
《图学学报》
CSCD
北大核心
2022年第2期223-229,共7页
视频异常检测是指识别不符合预期行为的事件。当前许多方法利用重构误差来检测异常,由于深度神经网络的强大能力可能会重构出异常行为,这与异常行为重构误差较大的假设不符。而利用预测未来帧的方法进行异常检测取得了很好的效果,但这...
视频异常检测是指识别不符合预期行为的事件。当前许多方法利用重构误差来检测异常,由于深度神经网络的强大能力可能会重构出异常行为,这与异常行为重构误差较大的假设不符。而利用预测未来帧的方法进行异常检测取得了很好的效果,但这些方法大多未考虑正常样本的多样性,或不能建立视频连续帧之间的关联。为了解决该问题,提出了一种时序多尺度自编码器网络用于预测未来帧,并通过预测值与真实值的差异完成视频异常检测。该网络不仅明确考虑了正常事件的多样性,而且强大的编码器可以构建长程空间依赖关系,进而增强输出特征的多样性,此外,针对复杂的数据集含有较多噪声的特点,提出了去噪网络,进一步提升了模型的精度。该方法在达到实时性要求的前提下,在Avenue数据集上达到了目前最优的精度。
展开更多
关键词
视频异常检测
自编码器
未来帧预测
多尺度
自编码
下载PDF
职称材料
题名
注意力与特征融合的未来帧预测异常行为检测算法
1
作者
张瑜玮
王燕妮
机构
西安建筑科技大学信息与控制工程学院
出处
《探测与控制学报》
CSCD
北大核心
2023年第4期150-156,共7页
文摘
针对异常行为检测模型中检测准确度较低,目标异常类型判断不准确等问题,提出注意力与特征融合的未来帧预测异常行为检测算法。该算法采用无监督生成对抗网络模型,通过计算真实帧和预测帧之间的误差来判断当前帧是否为异常帧。在生成网络中,以U-Net网络结构为基础,首先引入SoftPool层,减少池化过程中的信息损失;其次引入即插即用的轻量级注意力机制,增强背景信息和目标信息差,有效提升网络性能的同时不增加网络的复杂性;然后,在U-Net编码器低层构造了一种新的特征融合模块来增强图像全局信息的依赖性;最后,为了融合上下文信息,提取更丰富的特征作为输出图像,构造一种新的特征提取模块添加到网络特征图的输出部分。判别网络以马尔可夫判别器为基础,使网络更加关注图像的细节特征。实验中,采用CUHK Avenue数据集和UCSD Ped2数据集对该算法进行验证。实验结果表明,改进后的网络在CUHK Avenue数据集上检测精度达到了85.4%,在UCSD Ped2数据集上检测精度达到了92.4%,证明了该算法的有效性。
关键词
生成对抗网络
人体异常行为检测
未来帧预测
特征融合
轻量级注意力机制
Keywords
generative adversarial network
abnormal human behaviour detection
future frame prediction
feature fusion
lightweight attention mechanism
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
多层记忆增强生成对抗网络二次预测的视频异常检测方法
被引量:
1
2
作者
曾静
李莹
戚小莎
吉根林
机构
南京师范大学计算机与电子信息学院/人工智能学院
南京师范大学数学科学学院
出处
《应用科学学报》
CAS
CSCD
北大核心
2023年第1期80-94,共15页
基金
国家自然科学基金(No.41971343,No.62102186)资助。
文摘
为了提高视频异常检测的准确率,提出了一种基于多层记忆增强生成对抗网络二次预测的视频异常检测方法。首先利用目标检测提取时空立方体,并将其输入自编码器中得到预测帧;其次将预测帧的表观特征和对应真实帧的光流特征进行融合,形成融合特征;最后利用多层记忆增强生成对抗网络二次预测未来帧,以便学习不同层次特征的正常模式并捕获上下文的语义信息。在UCSD Ped2和CUHK Avenue数据集上进行的实验结果表明:所提出的方法与其他视频异常检测方法相比,可有效提高视频异常检测的性能,使帧级别AUC分别达到99.57%和91.59%。
关键词
视频异常检测
多层记忆增强
生成对抗网络
未来帧预测
深度学习
Keywords
video anomaly detection
multi-layer memory enhancement
generative adver-sarial network
future frame prediction
deep learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
相邻帧光流约束的视频异常行为检测
被引量:
3
3
作者
崔捷
张战成
方骞
殷歆
机构
苏州科技大学电子与信息工程学院
出处
《苏州科技大学学报(自然科学版)》
2021年第3期76-84,共9页
基金
国家自然科学基金资助项目(61772237)。
文摘
异常行为检测存在异常样本缺乏的问题,现有方法大都基于帧的重建方法,但漏检率较高。文章提出了一种利用条件生成对抗网络预测未来帧的无监督检测网络。正常视频片段的相邻帧之间的光流变化较小,而异常视频片段的光流变化较大,基于该发现设计光流引导子网,并将该子网输出的稀疏光流引导特征约束生成器。为了保证生成器能够利用正常的视频帧产生清晰的高质量预测而让异常的帧预测不清晰,基于U-net设计了输入具有时间差的两帧的双流生成器。所提出的模型在CUHK Avenue、ShanghaiTech和Ucf-crime实际监控场景数据集上AUC指标分别达到84.3%、69%、68.7%,优于很多主流算法。加入相邻帧光流约束网络较未加入约束的网络在AUC指标上有2%的提升。结果表明,该约束可以有效引导正常视频帧、限制异常帧的表达、较好地区分正常和异常视频片段。
关键词
异常行为
预测
未来
帧
光流引导特征
双流生成器
Keywords
abnormal behavior
predicting future frames
optical flow guided features
two-stream generator
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于多任务学习的视频异常检测方法
4
作者
常兴亚
武云鹤
陈东岳
邓诗卓
机构
东北大学信息科学与工程学院
东北大学佛山研究生创新学院
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2023年第8期21-29,共9页
基金
广东省基础与应用基础研究基金(2021B1515120064)项目资助
文摘
针对异常事件位于图像前景的某个局部区域,且背景区域对于异常检测存在干扰的问题,提出了一种多任务异常检测双流模型,模型架构包含未来帧预测网络和光流重构网络。首先利用前景检测算法获取自然图像和光流图像的目标区域,再将选取的区域送入到编码-解码网络完成未来帧预测和运动重构,对运动特征和表观特征进行提取,最后,使用深度概率网络给出的概率值作为判断异常的决策,并与重构损失及预测损失相结合来判断视频的异常性。本文针对大型场景的3个视频监控数据集(UCSD行人数据集、Avenue、Shanghai Tech)对本文提出的模型进行了异常性评估,所提出的方法在3个数据集上的AUC值分别为97.4%,86.4%,73.4%。与现有工作相比,本文的模型架构简洁且易于训练,异常检测结果更加准确。
关键词
异常检测
未来帧预测
运动重构
深度概率估计
多任务学习
Keywords
anomaly detection
future frame prediction
motion reconstruction
deep probability estimation
multi-task learning
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TH701 [机械工程—精密仪器及机械]
下载PDF
职称材料
题名
用于视频异常检测的时序多尺度自编码器
被引量:
3
5
作者
吕浩
易鹏飞
刘瑞
周东生
张强
魏小鹏
机构
大连大学软件工程学院计算机辅助设计国家地方联合工程实验室
大连理工大学计算机科学与技术学院
出处
《图学学报》
CSCD
北大核心
2022年第2期223-229,共7页
基金
国家自然科学基金重点项目(U1908214)
辽宁省中央引导地方科技发展专项(2021JH6/10500140)
+3 种基金
辽宁特聘教授支持计划
辽宁省高等学校创新团队支持计划(LT2020015)
大连市双重项目(2020JJ25CY001)
大连大学创新团队支持计划(XLJ202010)。
文摘
视频异常检测是指识别不符合预期行为的事件。当前许多方法利用重构误差来检测异常,由于深度神经网络的强大能力可能会重构出异常行为,这与异常行为重构误差较大的假设不符。而利用预测未来帧的方法进行异常检测取得了很好的效果,但这些方法大多未考虑正常样本的多样性,或不能建立视频连续帧之间的关联。为了解决该问题,提出了一种时序多尺度自编码器网络用于预测未来帧,并通过预测值与真实值的差异完成视频异常检测。该网络不仅明确考虑了正常事件的多样性,而且强大的编码器可以构建长程空间依赖关系,进而增强输出特征的多样性,此外,针对复杂的数据集含有较多噪声的特点,提出了去噪网络,进一步提升了模型的精度。该方法在达到实时性要求的前提下,在Avenue数据集上达到了目前最优的精度。
关键词
视频异常检测
自编码器
未来帧预测
多尺度
自编码
Keywords
video anomaly detection
autoencoder network
future frame prediction
multi-scale
autoencoder
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
注意力与特征融合的未来帧预测异常行为检测算法
张瑜玮
王燕妮
《探测与控制学报》
CSCD
北大核心
2023
0
下载PDF
职称材料
2
多层记忆增强生成对抗网络二次预测的视频异常检测方法
曾静
李莹
戚小莎
吉根林
《应用科学学报》
CAS
CSCD
北大核心
2023
1
下载PDF
职称材料
3
相邻帧光流约束的视频异常行为检测
崔捷
张战成
方骞
殷歆
《苏州科技大学学报(自然科学版)》
2021
3
下载PDF
职称材料
4
基于多任务学习的视频异常检测方法
常兴亚
武云鹤
陈东岳
邓诗卓
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
5
用于视频异常检测的时序多尺度自编码器
吕浩
易鹏飞
刘瑞
周东生
张强
魏小鹏
《图学学报》
CSCD
北大核心
2022
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部