【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的領(lǐng)域.基于稀疏自編碼網(wǎng)絡(luò)異常行為的檢測過程是通過訓(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,將待測視頻幀輸入模型,根據(jù)前向傳播算法得到模型的輸出,計算輸出與輸入之間的損失值,當(dāng)該值高于某個閾值時,判定該視頻幀中存在異常行為.通過在標(biāo)準(zhǔn)異常行為庫開展的實驗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】：國家自然科學(xué)基金(61171118,61673234,U1636124)資助~~
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前3條

1 劉培娜;劉國軍;郭茂祖;劉揚;李盼;;非負局部約束線性編碼圖像分類算法[J];自動化學(xué)報;2015年07期

2 練秋生;石保順;陳書貞;;字典學(xué)習(xí)模型、算法及其應(yīng)用研究進展[J];自動化學(xué)報;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];自動化學(xué)報;2015年02期

【共引文獻】

相關(guān)期刊論文 前10條

1 王愛齊;徐坤;宋愛民;;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;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;2017年07期

3 張勇;張陽陽;程洪;張艷霞;;基于非負彈性網(wǎng)稀疏編碼算法的圖像分類方法[J];計算機工程;2017年07期

4 王鐵建;吳飛;荊曉遠;;核字典學(xué)習(xí)在軟件缺陷預(yù)測中的應(yīng)用[J];小型微型計算機系統(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;2017年03期

6 萬源;史瑩;吳克風(fēng);陳曉麗;;融合局部性和非負性的Laplacian稀疏編碼的圖像分類[J];模式識別與人工智能;2017年06期

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

8 胡長勝;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];自動化學(xué)報;2017年05期

9 錢陽;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];計算機技術(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

【二級參考文獻】

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義分析的圖像分類[J];計算機學(xué)報;2014年06期

2 劉芳;武嬌;楊淑媛;焦李成;;結(jié)構(gòu)化壓縮感知研究進展[J];自動化學(xué)報;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];自動化學(xué)報;2013年07期

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

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

6 練秋生;陳書貞;;基于混合基稀疏圖像表示的壓縮傳感圖像重構(gòu)[J];自動化學(xué)報;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展[J];電子學(xué)報;2009年05期

【相似文獻】

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技術(shù)分析[J];電子制作;2013年18期

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

3 陸海先;郭立;桂樹;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別[J];電腦編程技巧與維護;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研究[J];計算機技術(shù)與發(fā)展;2012年09期

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

7 桑海峰;郭昊;徐超;;基于運動特征的人體異常行為識別[J];中國科技論文;2014年07期

8 王傳旭;董晨晨;;基于時空特征點的群體異常行為檢測算法[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站人體異常行為識別研究[J];公路交通科技;2009年S1期

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

相關(guān)會議論文 前1條

1 王碧英;孫健敏;;公仆型領(lǐng)導(dǎo)對員工行為的影響[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[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研究[D];哈爾濱工程大學(xué);2012年

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

4 劉皓;基于條件隨機場模型的異常行為檢測方法研究[D];中國科學(xué)技術(shù)大學(xué);2014年

5 張毅;MANET環(huán)境中基于移動Agent的異常行為檢測與防御[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研究[D];深圳大學(xué);2015年

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

3 陳崗;治安監(jiān)控中基于計算機視覺的異常行為檢測技術(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技術(shù)的應(yīng)用研究[D];電子科技大學(xué);2014年

7 張海峰;陽煤集團視頻異常監(jiān)控系統(tǒng)設(shè)計與實現(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別[D];國防科學(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)的運動目標(biāo)檢測與異常行為分析[D];中國計量學(xué)院;2015年

，

本文編號：2509918