监控视频中的物体投掷行为检测

Mar, 2024

Detection of Object Throwing Behavior in Surveillance Videos

Ivo P.C. Kersten, Erkut Akdag, Egor Bondarev, Peter H. N. De With

TL;DR该研究论文提出了一个基于深度学习的解决方案，用于监控视频中的投掷行为检测，并通过生成新的公开数据集和比较不同特征提取器的性能来改善异常检测算法，实验结果显示了良好的性能。

Abstract

anomalous behavior detection is a challenging research area within computer vision. Progress in this area enables automated detection of dangerous behavior using surveillance camera feeds. A dangerous behavior that is often overlooked in other research is the throwing action in traffic

anomalous behavior detection throwing action detection surveillance videos feature extractors anomaly detection algorithm

发现论文，激发创造

第一人称视角视频的无监督交通事故检测

本文提出了一种基于未监督学习的方法，通过预测交通参与者未来位置并监测三种不同策略的预测准确度和一致性来检测仪表板安装的摄像头视频中的交通事故。实验结果表明，该方法优于最先进的方法。

Mar, 2019

学校学生危险行为检测

本文提出了一种自动检测学生危险行为的方法，将长视频的行为识别转化为物体检测任务，结合多尺度体特征和基于关键点的姿态特征，实现了 71.0% 的平均精度（mAP）和约 11 FPS 的高效准确性。

Feb, 2022

交通视频异常检测的高效方法

本文提出了一种高效的边缘设备上运行的视频异常检测系统，包括变化检测、背景建模和目标检测模块以及回溯异常检测算法，同时还提出了一种顺序变化检测算法。实验结果表明，该方法在 2021 年 AI City Challenge 中取得了 0.9157 的 F1 分数并排名第四。

Apr, 2021

针对行车记录仪视频的异常检测

本文提出了一种基于深度学习的异常检测方法，通过数据集 RetroTrucks 以及静态摄像头数据集对单类分类损失和重构损失的应用，以及对象交互建模，实现对车载摄像头录像中不同驾驶行为的检测和识别。

Apr, 2020

动作检测的结构化模型

本篇论文提出了一种增强标准 I3D 网络的算法，通过添加跟踪模块和图卷积网络结构，将领域知识融入模型，并在活动行为检测中获得了更好的结果表现。

Dec, 2018

监控视频中的现实世界异常检测

该论文提出了一种通过深度多实例评级框架利用弱标记训练视频来学习异常的方法，并介绍了一个包括正常和异常视频的新型数据集，该数据集用于一般的异常检测和 13 个异常活动的识别任务。实验结果表明该方法显著提高了异常检测的性能。

Jan, 2018

用于 3D 视频中动作识别的双流 RNN/CNN

本论文提出了一种通过将循环神经网络和卷积神经网络相结合运用于动作识别的算法，通过 SVM 对特征进行分类，实验结果表明，在标准数据集上，该算法提高了 14% 的识别率。

Mar, 2017

监控视频中的任意时序异常检测

本研究提出了一种基于转移学习和任意示例学习的在线异常检测算法，可以使用少量标记的正常示例检测异常，具有训练复杂度低的优点，适用于监控视频中的在线决策。

Apr, 2020

驾驶员异常检测：数据集与对比学习方法

本文提出了一种对比学习方法，通过一套视频基准测试集 (DAD dataset) 实现区分正常驾驶与异常行为，进而解决驾驶人员相关事故问题。该方法在 DAD 数据集上取得了 0.9673 的 AUC，显示对比学习方法在异常检测任务中的高效性。

Sep, 2020

利用深度学习的实时交通监控事故检测

本论文提出了一种在交通监控应用中实现交通事故检测的高效框架，包括基于 YOLOv4 方法的准确物体检测、基于 Kalman 滤波器以及匈牙利算法的对象跟踪，以及轨迹冲突分析的事故检测，并且用于真实交通视频数据的实验结果证明了该方法的实时应用的可行性。

Aug, 2022