使用时空突出描述符和模糊表示分析检测异常事件
R Tino Merlin1, R Karthick2, A Aalan Babu3
1Department of Computer Science and Engineering, Francis Xavier Engineering College, Tirunelveli, Tamilnadu, India. tinophd@gmail.com.
Scientific reports
|November 30, 2024
概括
这项研究引入了一种新的空间和时间突出 - 描述器 (STS-D),用于在监控视频中改进异常事件检测. 新方法通过更好地描述物体形状和速度来提高准确性,优于现有的方法.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 视频监控系统 视频监控系统
背景情况:
- 在监控视频中检测异常事件是一个关键的研究领域.
- 由于特征表示的局限性,现有的方法往往难以准确,特别是手工制作的特征.
- 需要更强大,更具描述性的特征描述符.
研究的目的:
- 引入一个新的特征描述器,空间和时间突出 - 描述器 (STS-D),用于增强异常事件检测.
- 提高视频监控中区分正常和异常事件的准确性.
- 评估拟议的STS-D与现有方法的有效性.
主要方法:
- 开发了一个新的特征描述器,STS-D,集成空间和时间对象信息.
- 利用模糊的代表与模糊的会员程度来计算异常得分.
- 评估了基准数据集 (UMN,UCSD Ped1,Ped2) 和现实世界的道路监控数据集的方法.
主要成果:
- STS-D描述器有效地捕捉了对象的形状和速度,这对于异常检测至关重要.
- 基于模糊的异常得分有效地区分正常和异常事件.
- 对比分析表明,拟议方法的有效性与现有的异常事件检测方法相比.
结论:
- 拟议的STS-D特征描述器在异常事件检测准确度方面取得了重大进展.
- 模糊表示提供了一个强大的机制,用于监视中的异常得分.
- 该方法在视频监控和安全方面显示出对现实世界的应用有希望.
