首页 > 论文 > 激光与光电子学进展 > 56卷 > 13期(pp:131101)

深度网络视频序列异常行为检测方法的研究

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对视频中的几种异常行为,构建训练模型对其进行识别。使用卷积神经网络(CNN)进行特征提取并采用Adam算法(一种基于梯度的优化算法)进行优化。引入自适应池化层,筛选出判别的特征信息,减轻网络的计算量,加快识别视频中存在的异常行为。使用Adam算法对模型进行优化后,识别率可以达到87.6%,引入自适应的池化层后,识别率可以达到91.9%。该卷积神经网络(CNN)对视频中基本的异常行为的检测效果比iDT和双流网络更快更准确;相较于TSN和TRN,识别的准确率稍低,但是识别的速度更快。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop56.131101

作者单位:

    南京工业大学
    南京市 新模范马路5号 南京工业大学丁家桥校区99信箱 自动化学院
    南京工业大学
    南京工业大学

引用该论文

吴沛佶,梅雪,何毅,袁申强. 深度网络视频序列异常行为检测方法的研究[J].激光与光电子学进展,2019,56(13):131101.