基于卷积自编码器的视频异常检测深度学习方法
计算机视觉与模式识别
2023-11-09 v1
摘要
在本研究中，我们提出了一种利用卷积自编码器与解码器神经网络在UCSD数据集上进行视频异常检测的深度学习方法。我们的方法使用卷积自编码器学习正常视频的时空模式，然后将测试视频的每一帧与该学习到的表示进行比较。我们在UCSD数据集上评估了我们的方法，在Ped1数据集上取得了99.35%的总体准确率，在Ped2数据集上取得了99.77%的总体准确率，证明了我们的方法在监控视频异常检测中的有效性。结果表明，我们的方法优于其他SOTA方法，并且可用于视频异常检测的实际应用。
引用
@article{arxiv.2311.04351,
title = {A Deep Learning Approach to Video Anomaly Detection using Convolutional Autoencoders},
author = {Gopikrishna Pavuluri and Gayathri Annem},
journal= {arXiv preprint arXiv:2311.04351},
year = {2023}
}
备注
4 Pages,2 Figures