摘要:近年來,隨著視頻監(jiān)控系統(tǒng)的大量應用,人工的異常檢測方法已難以適應視頻數(shù)據(jù)的急劇增長,而3D特征描述、深度學習等最新技術不僅推動了計算機視覺領域的發(fā)展,也使得大規(guī)模的視頻數(shù)據(jù)分析成為可能。目前基于視頻監(jiān)控系統(tǒng)的異常檢測方法大致概括為兩個方向:1)基于視頻幀進行二維視覺特征提取并學習幀間信息,從而對視頻目標進行時空表述。2)針對含有運動信息的時空興趣塊直接進行3D時空特征學習,并通過模式分類檢測出異常及其所在位置。本文在對目前視頻異常檢測技術進行全面分析和總結的基礎之上,對視頻異常描述和視頻異常分類兩種任務模型中的已有方法與框架進行回顧,同時介紹了視頻異常檢測研究常用標準數(shù)據(jù)集及性能評估標準。
注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社。
燕山大學學報雜志, 雙月刊,本刊重視學術導向,堅持科學性、學術性、先進性、創(chuàng)新性,刊載內容涉及的欄目:熱點前沿、機械工程、材料與化學工程、電氣工程、信息與計算機技術等。于1963年經(jīng)新聞總署批準的正規(guī)刊物。