基于深度学习和高斯混合模型的异常识别算法
范冰
李鹏
金舒
王志心
王媛媛
国电南京自动化股份有限公司研究院系统自动化技术与应用研究所 南京 210000
摘要：现有的异常识别方法无法兼顾与人有关的异常行为识别和与人无关的异常现象识别,且在目标有遮挡的情况下识别率较低.针对上述问题,提出基于深度学习的网络框架对正常帧的人体姿态的结构特征片段进行训练,片段化训练使得算法具有抗遮挡能力.此外,为了识别与人无关的异常情况(如汽车、自行车、遗留物等),提出使用改进的自适应K值的高斯混合模型对视频背景进行建模,从而对与人无关的异常情况进行提取.实验表明,算法在公开数据集Avenue和ShanghaiTech上的异常识别AUC分别提升了0.025和0.034.
关键词：高斯混合模型异常行为识别片段化训练抗遮挡
分类号：TP391.4(计算技术、计算机技术)
论文发表日期：2024-04-20
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( 989-994 )
英文信息