跳转到主要内容
认证机构:IGI全球平台(112.34.110.148)
登录
注册
语言:
英语
欢迎使用InfoSci平台
IGI全球平台
IGI全球平台
无法进行身份验证。
IP:112.34.110.148
数据库搜索
数据库搜索
基本搜索
高级搜索
专家搜索
保存的搜索
索策略
研究工具
研究工具
帮助
用户指南
咨询委员会
用户资源
用户资源
针对研究人员
对于作者
对于图书馆员
参考中心
三
指数
该标题如下所示:
关闭
参考中心
该研究被引用于:
第条
LightAnomalyNet:高效异常行为检测的轻量级框架
传感器
10.3390/s21248501
第条
基于多列多级双线性卷积注意网络(MCMS-BCNN-Attention)的人群密度水平估计和异常检测
应用科学
10.3390/app13010248
第条
基于预训练2D卷积神经网络的人群视频异常检测
IEEE接入
10.1109/通道2021.3118009
关闭
最近搜索的热门结果
关闭
基于光流的加权幅度和方向直方图用于检测异常视觉事件的组合分类器
Gajendra Singh、Rajiv Kapoor、Arun Khosla
来源标题:
国际认知信息学与自然智能杂志(IJCINI)
15(3)
版权:
© 2021
|
体积:
15
|
问题:
三
|
页:
19
国际标准编号:
1557-3958
|
EISSN公司:
1557-3966
|
EISBN13:
9781799859840
|
内政部:
10.4018/IJCINI.20210701.oa2
引用文章
引用文章
MLA公司
Singh,Gajendra等人,《使用组合分类器检测异常视觉事件的基于光流的加权幅度和方向直方图》
IJCINI公司
2021年第15卷第3期:第12-30页。
http://doi.org/10.4018/IJCINI.20210701.oa2
亚太地区
Singh,G.、Kapoor,R.和Khosla,A.(2021)。
使用组合分类器检测异常视觉事件的基于光流的加权幅度和方向直方图。
国际认知信息学与自然智能杂志(IJCINI),15
(3), 12-30.
http://doi.org/10.4018/IJCINI.20210701.oa2
芝加哥
Singh、Gajendra、Rajiv Kapoor和Arun Khosla。
“使用组合分类器检测异常视觉事件的基于光流的加权幅度和方向直方图,”
国际认知信息学与自然智能杂志(IJCINI)
15,3号:12-30。
http://doi.org/10.4018/IJCINI.20210701.oa2
导出参考
收藏夹
完整发布下载
查看全文HTML
查看全文PDF
摘要
人的运动信息是拥挤场景中异常检测的一个非常重要的特征。
本文提出了一种视频监控系统中人群逃逸事件检测的新方法。
该方法基于人群运动模式检测异常,同时考虑人群运动幅度和方向。
运动特征由加权光流幅度直方图(WOHOFM)和加权光流方向直方图描述,后者描述局部运动模式。
该方法使用结合分类器(KNN和K-Means)框架的半监督学习方法检测运动模式中的异常。
作者在公开可用的UMN、PETS2009和Avanue数据集上验证了所提方法的有效性,这些数据集包括收集、拆分和运行等事件。
这里报道的技术已经被发现比文献中报道的最新发现要好。
如果出现与翻译网站中所含信息准确性相关的任何问题,
请参阅网站的英文版本,即官方版本。
访问
www.igi-global.com/gateway/terms-and-conditions网站/
了解更多信息。