基于改進(jìn)HOF的異常事件檢測(cè)算法
發(fā)布時(shí)間:2021-09-24 03:23
異常事件檢測(cè)是一種計(jì)算機(jī)視覺(jué)領(lǐng)域中的熱門(mén)研究課題,異常事件檢測(cè)可以被廣泛應(yīng)用于視頻監(jiān)控、智能檢測(cè)等領(lǐng)域 該問(wèn)題的突破可以帶來(lái)相當(dāng)?shù)纳鐣?huì)價(jià)值和經(jīng)濟(jì)效益,比如能夠減少監(jiān)控中的人力成本,提高視頻監(jiān)控的時(shí)效性與準(zhǔn)確性。異常事件檢測(cè)是一個(gè)二分類(lèi)問(wèn)題,在非基于深度學(xué)習(xí)的分類(lèi)方法中,稀疏表示是一種主流的方法。稀疏表示可以將訓(xùn)練樣本向量抽象為一個(gè)稀疏矩陣,該稀疏矩陣可以有效地對(duì)訓(xùn)練用樣本向量進(jìn)行線(xiàn)性還原;谶@一特性,對(duì)于一個(gè)待檢測(cè)的向量,如果可以使用該稀疏矩陣有效地還原,則說(shuō)明該向量與訓(xùn)練樣本是同類(lèi)型的向量,反之若該稀疏矩陣不能很好地還原一個(gè)待檢測(cè)向量,說(shuō)明該向量與訓(xùn)練樣本相差很大。本文從改進(jìn)HOF的光流計(jì)算方法入手,對(duì)HOF在異常事件檢測(cè)中的應(yīng)用作出改進(jìn)。計(jì)算光流場(chǎng)是一種進(jìn)行視頻研究時(shí)常用的分析方法。光流場(chǎng)表示了空間運(yùn)動(dòng)物體在觀(guān)察成像平面上的像素運(yùn)動(dòng)的瞬時(shí)速度。對(duì)一定區(qū)域內(nèi)光流場(chǎng)方向進(jìn)行映射和統(tǒng)計(jì)就可以得到光流直方圖HOF特征。HOF是一種泛用性強(qiáng)的特征向量,被用于模式識(shí)別、動(dòng)作檢測(cè)等多種問(wèn)題,同時(shí)也由于它的泛用性,導(dǎo)致HOF在被應(yīng)用于某一特定問(wèn)題時(shí)有很大的改進(jìn)空間,本文通過(guò)比較使用不同的光流算法...
【文章來(lái)源】:華中師范大學(xué)湖北省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:58 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖2.?1?[17]MH0F的映射過(guò)程??
方法作為對(duì)比算法之一。??作者首先提出了一種使用HOF和HOG特征聯(lián)合作為輸入的自編碼器,它的??機(jī)構(gòu)如圖2.3所示,是一個(gè)全連接神經(jīng)網(wǎng)絡(luò),它的每一層都是一個(gè)全連接層,編??碼器部分一共有5層,按照順序每一層分別有204、2000、1000、500、30個(gè)神??經(jīng)元,解碼部分與編碼部分完全鏡像。其中,H0F與HOG的計(jì)算方式使用了[2]??中的方法進(jìn)行計(jì)算(本文的特征提取方式同樣從這篇文章改進(jìn)而來(lái)),通過(guò)這種??計(jì)算方式,作者得到一個(gè)204維的特征向量。??實(shí)驗(yàn)過(guò)程,首先選取一系列不包含“異常事件”的視頻,提取它們的H0F??和HOG特征作為訓(xùn)練數(shù)據(jù),訓(xùn)練過(guò)程中,每一個(gè)batch會(huì)輸入灰條數(shù)據(jù)進(jìn)行訓(xùn)??練,調(diào)整輸出使輸出數(shù)據(jù)盡量與輸入數(shù)據(jù)相等,將優(yōu)化函數(shù)定義為以下函數(shù):??=?arg
方法作為對(duì)比算法之一。??作者首先提出了一種使用HOF和HOG特征聯(lián)合作為輸入的自編碼器,它的??機(jī)構(gòu)如圖2.3所示,是一個(gè)全連接神經(jīng)網(wǎng)絡(luò),它的每一層都是一個(gè)全連接層,編??碼器部分一共有5層,按照順序每一層分別有204、2000、1000、500、30個(gè)神??經(jīng)元,解碼部分與編碼部分完全鏡像。其中,H0F與HOG的計(jì)算方式使用了[2]??中的方法進(jìn)行計(jì)算(本文的特征提取方式同樣從這篇文章改進(jìn)而來(lái)),通過(guò)這種??計(jì)算方式,作者得到一個(gè)204維的特征向量。??實(shí)驗(yàn)過(guò)程,首先選取一系列不包含“異常事件”的視頻,提取它們的H0F??和HOG特征作為訓(xùn)練數(shù)據(jù),訓(xùn)練過(guò)程中,每一個(gè)batch會(huì)輸入灰條數(shù)據(jù)進(jìn)行訓(xùn)??練,調(diào)整輸出使輸出數(shù)據(jù)盡量與輸入數(shù)據(jù)相等,將優(yōu)化函數(shù)定義為以下函數(shù):??=?arg
本文編號(hào):3406994
【文章來(lái)源】:華中師范大學(xué)湖北省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:58 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖2.?1?[17]MH0F的映射過(guò)程??
方法作為對(duì)比算法之一。??作者首先提出了一種使用HOF和HOG特征聯(lián)合作為輸入的自編碼器,它的??機(jī)構(gòu)如圖2.3所示,是一個(gè)全連接神經(jīng)網(wǎng)絡(luò),它的每一層都是一個(gè)全連接層,編??碼器部分一共有5層,按照順序每一層分別有204、2000、1000、500、30個(gè)神??經(jīng)元,解碼部分與編碼部分完全鏡像。其中,H0F與HOG的計(jì)算方式使用了[2]??中的方法進(jìn)行計(jì)算(本文的特征提取方式同樣從這篇文章改進(jìn)而來(lái)),通過(guò)這種??計(jì)算方式,作者得到一個(gè)204維的特征向量。??實(shí)驗(yàn)過(guò)程,首先選取一系列不包含“異常事件”的視頻,提取它們的H0F??和HOG特征作為訓(xùn)練數(shù)據(jù),訓(xùn)練過(guò)程中,每一個(gè)batch會(huì)輸入灰條數(shù)據(jù)進(jìn)行訓(xùn)??練,調(diào)整輸出使輸出數(shù)據(jù)盡量與輸入數(shù)據(jù)相等,將優(yōu)化函數(shù)定義為以下函數(shù):??=?arg
方法作為對(duì)比算法之一。??作者首先提出了一種使用HOF和HOG特征聯(lián)合作為輸入的自編碼器,它的??機(jī)構(gòu)如圖2.3所示,是一個(gè)全連接神經(jīng)網(wǎng)絡(luò),它的每一層都是一個(gè)全連接層,編??碼器部分一共有5層,按照順序每一層分別有204、2000、1000、500、30個(gè)神??經(jīng)元,解碼部分與編碼部分完全鏡像。其中,H0F與HOG的計(jì)算方式使用了[2]??中的方法進(jìn)行計(jì)算(本文的特征提取方式同樣從這篇文章改進(jìn)而來(lái)),通過(guò)這種??計(jì)算方式,作者得到一個(gè)204維的特征向量。??實(shí)驗(yàn)過(guò)程,首先選取一系列不包含“異常事件”的視頻,提取它們的H0F??和HOG特征作為訓(xùn)練數(shù)據(jù),訓(xùn)練過(guò)程中,每一個(gè)batch會(huì)輸入灰條數(shù)據(jù)進(jìn)行訓(xùn)??練,調(diào)整輸出使輸出數(shù)據(jù)盡量與輸入數(shù)據(jù)相等,將優(yōu)化函數(shù)定義為以下函數(shù):??=?arg
本文編號(hào):3406994
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3406994.html
最近更新
教材專(zhuān)著