拥挤场景中的实时异常检测与定位
计算机视觉与模式识别
2015-11-24 v1
摘要
本文提出一种用于拥挤场景中实时异常检测与定位的方法。每个视频被定义为一组非重叠立方块，并使用两种局部和全局描述子描述。这些描述子从不同方面捕捉视频属性。通过结合简单且成本高效的Gaussian分类器，我们可以区分视频中的正常活动和异常。局部和全局特征基于相邻块间的结构相似性以及使用稀疏自编码器以无监督方式学习的特征。实验结果表明，我们的算法在UCSD ped2和UMN基准上与最先进的方法相当，但时效性更高。实验证实我们的系统能在视频中异常发生的瞬间可靠地检测并定位。
引用
@article{arxiv.1511.06936,
title = {Real-Time Anomaly Detection and Localization in Crowded Scenes},
author = {Mohammad Sabokrou and Mahmood Fathy and Mojtaba Hosseini and Reinhard Klette},
journal= {arXiv preprint arXiv:1511.06936},
year = {2015}
}
备注
CVPRw 2015