1 东南大学, 南京 210000
2 西安电子科技大学, 西安 710000
针对传统视频异常事件检测算法准确率低、鲁棒性差等问题, 提出了一种基于双流残差网络的视频异常事件检测算法。该算法综合运用深层残差网络、时序分割网络以及卷积融合策略。在传统双流网络利用单帧图像和多帧光流图像分别提取运动信息和时序行为的基础上, 进一步加深网络深度, 扩展运动信息建模能力; 同时,利用分段构建网络的方式充分提取时序特征, 提升对长时间视频处理效果; 并且将高维时空特征进行融合, 充分挖掘视频中的时空关联关系, 得到最终检测结果。在公开的UCF-Crime和XD-Violence数据集上训练和验证的实验结果表明, 提出的基于双流残差网络的视频异常事件检测算法相较于仅使用单模态网络(空间流网络)的方法准确率提升约10%, 与传统双流网络相比, 准确率也分别提升3.2%和6.1%。
视频异常事件检测 多模态特征融合 残差网络 双流网络 video anomaly event detection multi-modal feature fusion residual network two-stream network
1 福建师范大学医学光电科学与技术教育部重点实验室，福建省光子技术重点实验室，福建 福州 350007
2 解放军总医院第一医学中心激光医学科，北京 100853
自动量化评估小鼠脊背皮窗血管损伤对于血管靶向光动力疗法（V-PDT）的个性化精准治疗研究具有重要意义。V-PDT治疗过程中，受小鼠呼吸、心跳和不自主运动等因素影响，小鼠脊背皮窗窄带光血管图像会发生不同程度的非刚性形变，从而引起血管损伤量化误差。结合基于特征和灰度配准方法的优点，提出了一种判断式图像混合配准算法。首先基于配准组别图像均方差值（MSD）区分剧烈形变和轻微形变。对于轻微形变，直接采用微分同胚Demons（Log-Demons）算法进行配准；对于剧烈形变，先采用speeded up robust features thin-plate splines（SURF-TPS）算法进行全局配准，随后采用Log-Demons算法进行局部配准。实验结果表明，与SURF-TPS、Log-Demons及SURF-TPS+Log-Demons算法相比，所提算法既有最优的配准精度，又有较高的时间处理效率，而且能有效校正剧烈形变所导致的血管损伤评估误差。
激光与光电子学进展
2022, 59(6): 0617020
