首页|时序CNN与稀疏光流融合的视频人车异常检测

时序CNN与稀疏光流融合的视频人车异常检测

扫码查看
原文链接
  • 万方数据
大多现存的监控视频异常检测方法都是基于繁琐的特征提取,检测性能不佳,时间效率低下.考虑到视频检测中效率对实际应用的影响,提出一种基于时序CNN与鲁棒稀疏光流融合的视频异常检测方法.该方法在CNN基础上结合语义特征与时间特征的优点定位异常区域,进一步利用光流对异常行为进行检测.实验结果表明,该方法可以有效降低视频检测中的错误率,并且保持较高的准确率以及高效地对视频中的人车异常行为进行检测.
Abnormal Detection in Surveillance Video Based on Fusion Temporal CNN and Sparse Optical Flow

李飞、李婷、夏红霞、刘文璇

展开 >

湖北省农业科学院 武汉 430064

武汉理工大学计算机科学与技术学院 武汉 430070

交通物联网技术湖北省重点实验室(武汉理工大学)武汉 430070

人车异常检测 时序光流融合 时序卷积神经网络 光流法 监控视频

1910100012018IOT0032017CFA012

2022

10.3969/j.issn.1672-9722.2022.08.014

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(8)
  • 1
  • 2