时序CNN与稀疏光流融合的视频人车异常检测
李飞1
李婷2
夏红霞3
刘文璇2
1.湖北省农业科学院 武汉 4300642.武汉理工大学计算机科学与技术学院 武汉 4300703.武汉理工大学计算机科学与技术学院 武汉 430070;交通物联网技术湖北省重点实验室(武汉理工大学)武汉 430070
摘要：大多现存的监控视频异常检测方法都是基于繁琐的特征提取,检测性能不佳,时间效率低下.考虑到视频检测中效率对实际应用的影响,提出一种基于时序CNN与鲁棒稀疏光流融合的视频异常检测方法.该方法在CNN基础上结合语义特征与时间特征的优点定位异常区域,进一步利用光流对异常行为进行检测.实验结果表明,该方法可以有效降低视频检测中的错误率,并且保持较高的准确率以及高效地对视频中的人车异常行为进行检测.
关键词：人车异常检测时序光流融合时序卷积神经网络光流法监控视频
分类号：TP391.41(计算技术、计算机技术)
资助基金：中央高校基本科研业务费专项(191010001)交通物联网技术湖北省重点实验室开放基金项目(2018IOT003)湖北省自然科学基金重点类创新群体项目(2017CFA012)
论文发表日期：2022-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1696-1701 )
英文信息