基于超像素时间上下文特征的异常行为检测
为了更精准地定位拥挤视频中的异常行为，提出了基于超像素时间上下文特征的异常行为检测算法。特征表示阶段，对视频帧进行超像素分割，判断超像素是否属于前景。根据超像素的灰度直方图和位置信息找出其在相邻帧中最匹配超像素，计算最匹配超像素的多尺度光流直方图特征均值作为超像素特征，以增强超像素特征在时间上的联系。检测阶段，采用稀疏组合学习算法对超像素进行异常判断。实验结果表明，该算法在UCSD 和UMN 库上的检测效果优于现有异常检测算法。
异常行为检测 超像素 时间上下文特征 稀疏组合学习
陈莹 何丹丹
江南大学轻工过程先进控制教育部重点实验室,江苏无锡 214000
国内会议
珠海
中文
3538-3545
2018-10-18（万方平台首次上网日期，不代表论文的发表时间）