1 电子科技大学电子科学技术研究院四川成都 611731
2 电子科技大学格拉斯哥学院四川成都 611731
事件句的句法结构有助于语义理解。针对中文领域的事件检测任务, 本文设计了面向句义及句法的事件检测模型(BDD)以增强对事件句的理解能力。以基于来自变压器的双向编码器表示 (BERT)的动态词向量为信息源, 设计基于依存树的长短时记忆网络模型(D-T-LSTM)以融合学习句法结构及上下文语义, 并加入基于依存向量的注意力机制强化对不同句法结构的区分度, 在中文突发事件语料库(CEC)上的实验证明了本文模型的有效性, 精确率、召回率、F1值均靠前, 且 F1值比基准模型提升了 5.4%, 召回率提升了 0.4%。
事件检测 来自变压器的双向编码器表示 基于依存树的长短时记忆网络模型 基于依存向量的注意力机制 event detection Bidirectional Encoder Representations from Transfo Dependency-Tree-LSTM(Long Short-Term Memory Networ D-Attention 太赫兹科学与电子信息学报
2023, 21(12): 1464
红外与激光工程
2022, 51(6): 20210680
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 兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
2 甘肃省人工智能与图形图像处理工程研究中心, 甘肃 兰州 730070
3 兰州交通大学计算机科学与技术国家级实验教学示范中心, 甘肃 兰州 730070
面对当前复杂场景下异常事件检测算法过度依赖帧级别标记,以及I3D模型耗时长、内存占用大等问题,设计了一种基于I3D的M-I3D模型并将其作为特征提取器,提出一种了基于深度时空特征和多示例学习的异常检测方法。所提方法将正常视频和异常视频作为包,并将视频片段作为多示例学习中的示例。利用M-I3D模型提取每个视频片段的特征,并将提取到的特征向量输入到三层全连接层中,进而自动学习一个深度异常排序模型,该模型可以预测异常视频片段的分数。此外,为了在训练过程中较好地定位异常,在排序损失函数中引入稀疏函数和约束性函数。结果表明,与其他方法相比,所提算法在UCF-Crime数据集上具有更高的准确率和更好的实时性。
异常事件检测 多示例学习 深度异常排序模型 卷积神经网络 特征提取 激光与光电子学进展
2021, 58(20): 2015006
河海大学物联网工程学院, 江苏 常州 213022
针对传统基于群体运动状态分析的异常事件检测方法对场景语义信息描述不足的问题,引入了复杂网络中运用社区发现的Girvan-Newman(GN)分裂算法。将具有相似运动特征且位置相近的行人划分为多个群组,利用群组运动强度和群组数量的变化,描述群组在正常和异常场景中的差异,检测异常事件的发生。通过实验验证,该算法能够在丰富场景语义信息的同时实现对异常事件的准确检测。
机器视觉 运动特征 GN分裂 异常事件检测算法 激光与光电子学进展
2020, 57(6): 061506
1 中国人民公安大学刑事科学技术学院, 北京 100038
2 上海市现场物证重点实验室, 上海 200083
为解决基于可穿戴传感器的步态事件检测技术对个体配合程度依赖性大、能耗高、应用条件苛刻等问题,提出一种基于机器视觉的足跟着地事件检测算法,可以在不需要参与者合作的情况下,利用普通摄像机实现对足跟着地事件的精确检测。提出一种新颖的特征,即连续轮廓帧差图(CSD-maps)来表达步态模式。一个连续轮廓帧差图可以将视频帧中行人连续的轮廓二值图编码到一张特征图中,使其蕴含丰富的步态时空信息。不同数量的行人连续轮廓帧差会产生不同的连续轮廓帧差图。利用卷积神经网络对连续轮廓帧差图进行特征提取和足跟着地事件分类。在公开数据库上,对124名受试者在5个视角下不同穿着状态的视频数据进行训练和测试,实验结果表明,该方法具有良好的检测精度,识别准确率达93%以上。
机器视觉 步态事件检测 连续轮廓帧差图 卷积神经网络 激光与光电子学进展
2019, 56(21): 211503
江南大学物联网工程学院, 江苏 无锡 214122
设计了一款基于LabVIEW的光时域反射仪(OTDR), 选用1625 nm波长的脉冲激光模块作为光源, 采用高灵敏度雪崩二极管光电探测器和高速数据采集卡, 在LabVIEW集成化虚拟仪器开发环境控制下, 对光信号进行采集、处理和数据存储, 实现光纤在线实时监控。采用数字平均与加权滑动平均相结合的算法, 对返回的背向散射信号进行降噪, 并定量分析了数字平均次数、平滑宽度、平滑类型对OTDR系统信号处理结果的影响, 从而给出一个最佳平滑模型。采用求一阶导数方法并设置导数和幅度双重阈值, 对反射事件点进行定位。采用该系统对实际光缆线路的测试结果表明, 所提出的最佳平滑滤波器与传统平滑滤波器在相同平滑宽度下相比, 动态范围提高了1.1 dB, 信噪比提高了1.25倍。所提定位算法能较准确地定位反射事件点, 表明该算法具有一定的实用价值。
测量 光时域反射仪 加权滑动平均 反射事件检测 激光与光电子学进展
2017, 54(12): 121205
1 空军工程大学工程学院，西安710038
2 徐州空军学院，江苏徐州221000
针对态势评估中复杂机动事件检测的精度及实时性问题，提出了基于粗糙集-模糊神经网络(RFNN)的事件检测方法，通过粗糙集理论获取数据样本中的最简规则集，然后根据这些规则构造模糊神经网络各层的神经元个数及相关参数初始值，最后用BP算法迭代求出网络的各种参数。仿真结果证明RFNN用于复杂机动事件检测的有效性，同时可以发现其在网络结构和收敛性方面的优势。
态势评估 复杂机动事件 事件检测 situation assessment complex mobile event event detection RFNN RFNN
