复杂场景中的异常情形检测
计算机视觉与模式识别
2019-02-27 v1
摘要
本文研究一种在复杂场景中识别异常的鲁棒方法。该任务通过提取局部二值模式（LBP）和高斯差分（LoG）特征来评估群体行为。我们将这两种特征融合，用于在训练阶段训练一个MLP神经网络，并在测试样本上识别异常。考虑到在密集拥挤场景中由于多次遮挡和杂乱而难以跟踪个体，本文提取LBP和LoG特征并将其用作异常情形的近似表示。这些特征与异常的外观及其一致性良好匹配，并且在规则与不规则区域中的准确率均高于其他描述子。本文将这些特征作为先验输入用于训练神经网络。随后探索MLP神经网络以考虑这些能够检测异常情形的特征。实验测试在一组常用于异常情形检测的基准视频序列上进行。
引用
@article{arxiv.1902.10016,
title = {Anomalous Situation Detection in Complex Scenes},
author = {Michalis Voutouris and Giovanni Sachi and Hina Afridi},
journal= {arXiv preprint arXiv:1902.10016},
year = {2019}
}