基于 HMOF 特征的实时异常检测
计算机视觉与模式识别
2018-12-13 v1
摘要
异常检测是智能视频监控中的一个具有挑战性的问题。大多数现有方法计算量大,无法满足实时性要求。本文提出一种计算复杂度低、效率高的实时异常检测框架。提出一种称为幅值光流直方图(Histogram of Magnitude Optical Flow, HMOF)的新特征来捕获视频块的运动。与现有特征描述子相比,HMOF 对运动幅值更敏感,且更有效区分异常信息。对前景块计算 HMOF 特征,并通过自编码器进行重构以获得更好的聚类效果。然后,我们使用高斯混合模型(Gaussian Mixture Model, GMM)分类器来区分视频中的异常与正常活动。实验结果表明,我们的框架优于当前最优(state-of-the-art)方法,并能可靠地实时检测异常。
引用
@article{arxiv.1812.04980,
title = {Real-Time Anomaly Detection With HMOF Feature},
author = {Huihui Zhu and Bin Liu and Guojun Yin and Yan Lu and Weihai Li and Nenghai Yu},
journal= {arXiv preprint arXiv:1812.04980},
year = {2018}
}
备注
6 pages