融合FCN和LSTM的视频异常事件检测
武光利, 郭振洲, 李雷霆, 王成祥
Video Abnormal Detection Combining FCN with LSTM
WU Guangli, GUO Zhenzhou, LI Leiting, WANG Chengxiang
上海交通大学学报 . 2021, (5): 607 -614 .  DOI: 10.16183/j.cnki.jsjtu.2020.120
_支持向量机支持向量机

支持向量机

文章位置

(1) 帧级检测.使用不同的方法提取特征,训练卷积神经网络[5]支持向量机等模型并计算每一个视频帧是否发生异常事件的概率.何传阳等[6]针对人群异常行为提出一种改进的Lucas-Kanande光流方法.柳晶晶等[7]提出一种融合光流场和梯度的方法.都桂英等[8]提出一种改进的光流计算方法,在原方法的基础上融合加权光学能量特征(HOFO).Chen等[9]利用运动能量模型来表示人群中的局部运动模式.Luo等[10]提出一种与时间相关的稀疏编码(TSC),使用时间相关项保留两个相邻帧之间的相似性.雷丽莹等[11]提出一种基于AlexNet模型的异常检测模型,其帧级检测准确率较高,但并不能体现异常事件发生的具体区域和内容.