典型文献
基于改进型时间分段网络的视频异常检测
文献摘要：
视频异常检测是计算机视觉领域的一个重要研究课题,广泛应用于道路监控、异常事件监测等方面.考虑到异常行为的外观、运动特征与正常行为存在明显差异,提出一种改进型时间分段网络,利用该网络学习视频中的外观和运动信息,从而对视频异常行为进行预测.为了提取更多的视频信息,将RGB图和RGB帧差图相融合作为输入,以提取RGB图中的外观信息并通过RGB帧差图获得更有效的运动特征.将卷积注意力机制模块加入到时间分段网络模型中,从空间和通道2个不同的维度学习注意力图,利用学习到的注意力权重区分异常和正常的视频片段,同时运用焦点损失函数降低大量简单负样本在训练过程中所占的权重,使得模型更专注于难分类的样本,从而解决视频异常检测中正负样本比例不平衡的问题.实验结果表明,改进型时间分段网络在UCF-Crime和CUHK Avenue数据集上的AUC值分别达到77.6％和83.3％,检测性能优于基准方法TSN(RGB流)以及ISTL、3D-ConvAE等方法.
文献关键词：
视频异常检测;卷积注意力机制;RGB帧差图;焦点损失函数;时间分段网络
中图分类号：
作者姓名：
黄涛;邬开俊;王迪聪;白晨帅;陶小苗
作者机构：
兰州交通大学 电子与信息工程学院,兰州 730070;天津大学 智能与计算学部,天津 300350
文献出处：
引用格式：
[1]黄涛;邬开俊;王迪聪;白晨帅;陶小苗-.基于改进型时间分段网络的视频异常检测)[J].计算机工程,2022(11):137-144
A类：
时间分段网络,ISTL,ConvAE
B类：
改进型,视频异常检测,计算机视觉,研究课题,道路监控,异常事件,事件监测,异常行为,运动特征,网络学习,运动信息,对视,视频信息,RGB,卷积注意力机制模块,学习注意力,注意力图,用学,注意力权重,时运,焦点损失函数,训练过程,难分,中正,正负样本,UCF,Crime,CUHK,Avenue,检测性能,基准方法,TSN
AB值：
0.335599
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
