使用时空多分辨率模型与 Kronecker 和分解的异常人群行为检测
机器学习
2014-01-17 v2
摘要
在本工作中，我们考虑检测视频中异常时空行为的问题。我们的方法是学习规范的多帧像素联合分布，并使用基于似然的方法检测其偏差。由于相对于分布的维度，可用训练样本极度缺乏，我们采用均值和协方差方法，并考虑在少样本情形下学习时空协方差的方法。我们的方法是使用参数降维和稀疏模型来估计协方差。考虑的第一种方法是将协方差表示为 Kronecker 乘积之和，如 (Greenewald et al 2013) 所述，发现在此设定下这是一种准确的近似。我们提出了与我们的问题相关的学习算法。然后我们考虑 (Choi et al 2010) 的稀疏多分辨率模型，并将 Kronecker 乘积方法应用于其上以进一步进行参数降维，同时引入修改以提高效率并增强对时空协方差矩阵的适用性。我们将我们的方法应用于明尼苏达大学人群异常数据集中的人群行为异常检测，并取得了有竞争力的结果。
关键词
引用
@article{arxiv.1401.3291,
title = {Detection of Anomalous Crowd Behavior Using Spatio-Temporal Multiresolution Model and Kronecker Sum Decompositions},
author = {Kristjan Greenewald and Alfred Hero},
journal= {arXiv preprint arXiv:1401.3291},
year = {2014}
}
备注
10 pages