【摘要】：本文是在稀疏去噪自編碼網(wǎng)絡(luò)的基礎(chǔ)上,增加梯度差約束條件改進(jìn)了自編碼網(wǎng)絡(luò)的解碼效果,并成功地應(yīng)用于全局異常行為檢測(cè)的領(lǐng)域.基于稀疏自編碼網(wǎng)絡(luò)異常行為的檢測(cè)過(guò)程是通過(guò)訓(xùn)練非異常行為的視頻幀數(shù)據(jù)得到自編碼網(wǎng)絡(luò)模型,將待測(cè)視頻幀輸入模型,根據(jù)前向傳播算法得到模型的輸出,計(jì)算輸出與輸入之間的損失值,當(dāng)該值高于某個(gè)閾值時(shí),判定該視頻幀中存在異常行為.通過(guò)在標(biāo)準(zhǔn)異常行為庫(kù)開(kāi)展的實(shí)驗(yàn)表明融合梯度差信息的稀疏去噪自編碼網(wǎng)絡(luò)算法較傳統(tǒng)的稀疏去噪自編碼網(wǎng)絡(luò)算法在全局異常行為檢測(cè)中更加有效.
[Abstract]:In this paper, on the basis of sparse denoising self-coding network, the gradient difference constraint is added to improve the decoding effect of self-coding network, and it is successfully applied to the field of global abnormal behavior detection. The detection process of abnormal behavior based on sparse self-coding network is to obtain the self-coding network model by training the video frame data of non-abnormal behavior. According to the forward propagation algorithm, the output of the model is obtained according to the forward propagation algorithm, and the loss value between the output and the input is calculated. When the value is higher than a certain threshold, the abnormal behavior in the video frame is determined. Experiments in the standard abnormal behavior database show that the sparse denoising self-coding network algorithm with gradient difference information is more effective than the traditional sparse denoising self-coding network algorithm in global abnormal behavior detection.
【作者單位】： 清華大學(xué)電子工程系;防災(zāi)科技學(xué)院災(zāi)害信息工程系;
【基金】：國(guó)家自然科學(xué)基金(61171118,61673234,U1636124)資助~~
【分類(lèi)號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 劉培娜;劉國(guó)軍;郭茂祖;劉揚(yáng);李盼;;非負(fù)局部約束線(xiàn)性編碼圖像分類(lèi)算法[J];自動(dòng)化學(xué)報(bào);2015年07期

2 練秋生;石保順;陳書(shū)貞;;字典學(xué)習(xí)模型、算法及其應(yīng)用研究進(jìn)展[J];自動(dòng)化學(xué)報(bào);2015年02期

3 湯紅忠;張小剛;陳華;程煒;唐美玲;;帶邊界條件約束的非相干字典學(xué)習(xí)方法及其稀疏表示[J];自動(dòng)化學(xué)報(bào);2015年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王愛(ài)齊;徐坤;宋愛(ài)民;;基于局部自相似的字典學(xué)習(xí)圖像去噪方法[J];大連交通大學(xué)學(xué)報(bào);2017年04期

2 湯紅忠;王翔;張小剛;李驍;毛麗珍;;面向單幅圖像去雨的非相干字典學(xué)習(xí)及其稀疏表示研究[J];通信學(xué)報(bào);2017年07期

3 張勇;張陽(yáng)陽(yáng);程洪;張艷霞;;基于非負(fù)彈性網(wǎng)稀疏編碼算法的圖像分類(lèi)方法[J];計(jì)算機(jī)工程;2017年07期

4 王鐵建;吳飛;荊曉遠(yuǎn);;核字典學(xué)習(xí)在軟件缺陷預(yù)測(cè)中的應(yīng)用[J];小型微型計(jì)算機(jī)系統(tǒng);2017年07期

5 趙娜;趙彤洲;鄒沖;劉瑩;蔡敦波;;稀疏表示中字典學(xué)習(xí)的影響因子研究[J];武漢工程大學(xué)學(xué)報(bào);2017年03期

6 萬(wàn)源;史瑩;吳克風(fēng);陳曉麗;;融合局部性和非負(fù)性的Laplacian稀疏編碼的圖像分類(lèi)[J];模式識(shí)別與人工智能;2017年06期

7 董俠;王麗芳;秦品樂(lè);高媛;;改進(jìn)耦合字典學(xué)習(xí)的腦部CT/MR圖像融合方法[J];計(jì)算機(jī)應(yīng)用;2017年06期

8 胡長(zhǎng)勝;詹曙;吳從中;;基于深度特征學(xué)習(xí)的圖像超分辨率重建[J];自動(dòng)化學(xué)報(bào);2017年05期

9 錢(qián)陽(yáng);李雷;袁安安;;基于自適應(yīng)K-SVD字典的視頻幀稀疏重建算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2017年06期

10 張靜妙;孟憲遵;王曉娜;;基于高低分辨影像字典學(xué)習(xí)的稀疏超分辨重建[J];控制工程;2017年03期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 趙仲秋;季海峰;高雋;胡東輝;吳信東;;基于稀疏編碼多尺度空間潛在語(yǔ)義分析的圖像分類(lèi)[J];計(jì)算機(jī)學(xué)報(bào);2014年06期

2 劉芳;武嬌;楊淑媛;焦李成;;結(jié)構(gòu)化壓縮感知研究進(jìn)展[J];自動(dòng)化學(xué)報(bào);2013年12期

3 彭義剛;索津莉;戴瓊海;徐文立;;從壓縮傳感到低秩矩陣恢復(fù):理論與應(yīng)用[J];自動(dòng)化學(xué)報(bào);2013年07期

4 練秋生;張鈞芹;陳書(shū)貞;;基于兩級(jí)字典與分頻帶字典的圖像超分辨率算法[J];自動(dòng)化學(xué)報(bào);2013年08期

5 張海;王堯;常象宇;徐宗本;;L_(1/2)正則化[J];中國(guó)科學(xué):信息科學(xué);2010年03期

6 練秋生;陳書(shū)貞;;基于混合基稀疏圖像表示的壓縮傳感圖像重構(gòu)[J];自動(dòng)化學(xué)報(bào);2010年03期

7 石光明;劉丹華;高大化;劉哲;林杰;王良君;;壓縮感知理論及其研究進(jìn)展[J];電子學(xué)報(bào);2009年05期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 羅超宇;;基于視頻序列的人體異常行為檢測(cè)技術(shù)分析[J];電子制作;2013年18期

2 崔永艷;高陽(yáng);;基于多示例學(xué)習(xí)的異常行為檢測(cè)方法[J];模式識(shí)別與人工智能;2011年06期

3 陸海先;郭立;桂樹(shù);謝錦生;;基于潛在主題的視頻異常行為分析[J];通信技術(shù);2012年07期

4 周維柏;李蓉;;基于軌跡特征分析的行人異常行為識(shí)別[J];電腦編程技巧與維護(hù);2010年12期

5 李曉東;凌捷;;基于視頻監(jiān)控參考量的異常行為檢測(cè)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2012年09期

6 姬曉飛;吳倩倩;李一波;;改進(jìn)時(shí)空特征的人體異常行為檢測(cè)方法研究[J];沈陽(yáng)航空航天大學(xué)學(xué)報(bào);2013年05期

7 桑海峰;郭昊;徐超;;基于運(yùn)動(dòng)特征的人體異常行為識(shí)別[J];中國(guó)科技論文;2014年07期

8 王傳旭;董晨晨;;基于時(shí)空特征點(diǎn)的群體異常行為檢測(cè)算法[J];數(shù)據(jù)采集與處理;2012年04期

9 沈海燕;馮云梅;史宏;;基于信息融合的客運(yùn)站人體異常行為識(shí)別研究[J];公路交通科技;2009年S1期

10 陳穎鳴;陳樹(shù)越;張顯亭;;智能視頻監(jiān)控中異常行為識(shí)別研究[J];微電子學(xué)與計(jì)算機(jī);2010年11期

相關(guān)會(huì)議論文 前1條

1 王碧英;孫健敏;;公仆型領(lǐng)導(dǎo)對(duì)員工行為的影響[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

相關(guān)博士學(xué)位論文 前5條

1 林娜;小鼠異常行為的遺傳基礎(chǔ)研究[D];東北農(nóng)業(yè)大學(xué);2006年

2 Popoola Oluwatoyin Pius;擁擠環(huán)境下的異常行為檢測(cè)研究[D];哈爾濱工程大學(xué);2012年

3 張軍;基于視頻的運(yùn)動(dòng)人體異常行為分析識(shí)別研究[D];西安電子科技大學(xué);2009年

4 劉皓;基于條件隨機(jī)場(chǎng)模型的異常行為檢測(cè)方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

5 張毅;MANET環(huán)境中基于移動(dòng)Agent的異常行為檢測(cè)與防御[D];哈爾濱工程大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張雁冰;監(jiān)控視頻中人體異常行為檢測(cè)研究[D];深圳大學(xué);2015年

2 梁玉;基于ORB興趣點(diǎn)的異常行為檢測(cè)技術(shù)研究[D];鄭州大學(xué);2015年

3 陳崗;治安監(jiān)控中基于計(jì)算機(jī)視覺(jué)的異常行為檢測(cè)技術(shù)研究[D];上海交通大學(xué);2015年

4 許龍;視頻中的異常行為檢測(cè)與分析研究[D];上海交通大學(xué);2015年

5 姚源;視頻中異常行為發(fā)現(xiàn)方法研究及實(shí)現(xiàn)[D];電子科技大學(xué);2014年

6 王朝新;基于視頻的行人異常行為檢測(cè)技術(shù)的應(yīng)用研究[D];電子科技大學(xué);2014年

7 張海峰;陽(yáng)煤集團(tuán)視頻異常監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

8 張丹;視頻監(jiān)控系統(tǒng)下航站樓旅客異常行為檢測(cè)方法研究[D];南京航空航天大學(xué);2014年

9 梁琛華;視頻監(jiān)控中的人體異常行為識(shí)別[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

10 朱明凌;面向智能視頻監(jiān)控系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)與異常行為分析[D];中國(guó)計(jì)量學(xué)院;2015年

，

本文編號(hào)：2509918