结合重构和预测模型的无监督视频异常检测算法

周伟; 姜晓燕; 朱凯赢; 蒋光好; 于润润; 吴益

doi:10.13873/J.1000-9787(2022)10-0108-04

Chinese

您当前的位置：

首页 >

文章列表页 >

结合重构和预测模型的无监督视频异常检测算法

计算与测试 | 更新时间：2025-09-11

- 结合重构和预测模型的无监督视频异常检测算法
- 结合重构和预测模型的无监督视频异常检测算法
- 传感器与微系统 2022年第10期页码：108-111+116
- 作者机构：
  
  上海工程技术大学电子电气工程学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)10-0108-04
  中图分类号： TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
周伟, 姜晓燕, 朱凯赢, 等. 结合重构和预测模型的无监督视频异常检测算法[J]. 传感器与微系统, 2022,(10):108-111+116.

结合重构和预测模型的无监督视频异常检测算法[J]. 2022, (10): 108-111+116.
周伟, 姜晓燕, 朱凯赢, 等. 结合重构和预测模型的无监督视频异常检测算法[J]. 传感器与微系统, 2022,(10):108-111+116. DOI： 10.13873/J.1000-9787(2022)10-0108-04.

结合重构和预测模型的无监督视频异常检测算法[J]. 2022, (10): 108-111+116. DOI： 10.13873/J.1000-9787(2022)10-0108-04.

摘要

针对目前视频异常检测领域使用单个重构模型无法完整重构图像、单个预测模型易受噪声扰动等问题，提出一种结合重构和预测模型的无监督视频异常检测算法。使用预测模型，输入当前多帧视频帧来精准预测下一帧图像，能够扩大正常和异常的区分度；使用重构模型提高网络的鲁棒性；使用结合残差网络和U-net网络的生成对抗网络（GAN）来处理异常，避免网络出现梯度爆炸和梯度消失等问题。实验证明：提出的算法能提高视频异常检测的准确性和鲁棒性，实现了监控视频中异常事件的自动监督。

Abstract

关键词

Keywords

references

基于时空大数据的异常车辆检测 [J]. 赵清华,蒋同海,赵凡,马博. 传感器与微系统 . 2019(04)

一种双超球数据域描述模型 [J]. 党帅涛,柯坚,吴文海,王奇. 传感器与微系统 . 2019(01)

基于行为减法的视频异常检测研究 [J]. 袁丽雁. 电子测试 . 2012(04)

一种基于聚类的异常检测方法 [J]. 李鑫,单维峰,丰继林,李军,高方平,李忠. 传感器与微系统 . 2011(01)

Skip-GANomaly: Skip Connected and Adversarially Trained Encoder-Decoder Anomaly Detection. [J] . Samet Ak?ay,Amir Atapour Abarghouei,Toby P. Breckon. CoRR . 2019

浏览量

216

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据