仪器仪表学报

作者：于晓升，许 茗，王 莹，王思齐，胡 楠

单位：于晓升,1. 东北大学机器人科学与工程学院,,许 茗,1. 东北大学机器人科学与工程学院,,王 莹,1. 东北大学机器人科学与工程学院,,王思齐,1. 东北大学机器人科学与工程学院,,胡 楠,2. 沈阳建筑大学信息与控制工程学院,

关键词：卷积变分自编码器;异常事件检测;深度特征;多变量高斯模型

基金：中央高校基本科研业务费专项资金项目(N2026005)、中国科学院光电信息处理重点实验室开放基金项目(OEIP-O- 202005)、辽宁省教育厅科学研究经费项目(lnqn202014)资助

针对传统的异常事件检测方法中手工提取的浅层特征无法统一表达不同场景的表观和运动信息问题,提出了一种基于卷积变分自编码器(ConVAE)的异常事件检测方法。首先构建了一个卷积变分自编码器网络,以视频帧序列作为网络输入,提取场景的深度特征;接着采用多变量高斯模型对在所有帧序列的深度特征图中位于同一位置的特征向量进行拟合,获得对应于原始输入中不同感受野的多变量高斯模型;对于测试样本的深度特征在其对应的高斯模型中的拟合程度,作为异常检测的判断标准。使用UCSD异常事件检测数据集对本文提出的方法进行实验验证,在帧级别与像素级别两种级别的度量标准中,本文算法分别取得了95.7%和69.9%的受试者工作特征曲线下面积值。

来源：2021年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第5期