一种基于半监督字典学习的拥挤人群异常检测方法及系统 | |
冯亚闯![]() ![]() ![]() | |
2019-04-30 | |
著作权人 | 中国科学院西安光学精密机械研究所 |
专利号 | CN201910362661.1 |
国家 | 中国 |
文献子类 | 发明专利 |
产权排序 | 1 |
英文摘要 | 本发明公开了一种基于半监督字典学习的拥挤人群异常检测方法及系统,主要解决传统异常事件检测算法没有对测试过程中异常事件进行建模的问题,以及伴随时间推移进行模型更新的问题。其实现步骤是:(1)视频事件特征提取;(2)零假设和备择假设的构建;(3)正常视频事件模式学习;(4)异常事件模式学习;(5)异常事件检测;(6)模型更新。本发明探索了测试过程中异常视频事件的组成,使学到的事件模式更适用于测试视频。本发明提出的模型更新策略使所学习的视频事件模型更加精确,提高了异常检测的精度,可用于智能监控、交通管制以及刑侦辅助等领域。 |
公开日期 | 2019-08-23 |
申请日期 | 2019-04-30 |
语种 | 中文 |
状态 | 申请中 |
内容类型 | 专利 |
源URL | [http://ir.opt.ac.cn/handle/181661/43210] ![]() |
专题 | 西安光学精密机械研究所_光学影像学习与分析中心 |
推荐引用方式 GB/T 7714 | 冯亚闯,卢孝强,李西杰,等. 一种基于半监督字典学习的拥挤人群异常检测方法及系统. CN201910362661.1. 2019-04-30. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论