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

国际标准编号：1557-3958|EISSN公司：1557-3966|EISBN13：9781799859840|内政部：10.4018/IJCINI.20210701.oa2

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。