May, 2024

利用开放获取的旅游摄像头进行群体异常检测的多模态视频分析

PDF
TL;DR提出了一种多模态方法，通过从视频中提取时间序列的信息来检测人群异常。使用模式识别算法和分割技术，在固定时间间隔内提取人数和图像占用的信息，然后通过时间分解和残差分析确定异常行为的间隔或特定情况，可用于相关领域如旅游或安全中的决策和改进。在西班牙 Valenciana 地区 Morella 镇的 Turisme Comunitat Valenciana 摄像头上应用了该方法，并取得了很好的结果，能够正确检测特定的异常情况和在 2023 年 10 月节日期间的异常总增加，同时保护个人隐私。
发现论文，激发创造
  • 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

  • 深度众包异常检测：现状，挑战及未来研究方向

    本文主要综述了 2020 至 2022 年发表于主流会议和期刊的人群异常检测算法，并讨论和比较它们的性能和应用场景，发现预训练卷积模型的异质性对于人群视频异常检测性能影响可以忽略不计。未来研究的重点是什么？请读者自行查看文章得出结论。

    Oct, 2022

  • 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

  • 拥挤场景中的实时异常检测和定位

    该论文提出了一种在密集场景中进行实时异常检测和定位的方法，在该方法中，视频被定义为非重叠立方块的集合，并使用两个本地和全局描述符进行描述。我们利用简单和经济实惠的高斯分类器来区分正常活动和异常活动，并根据相邻块之间的结构相似性和无监督学习的特征来确定本地和全局特征。大量实验结果表明，该算法优于 UCSD ped2 和 UMN 基准的最新方法，而且具有更高的时间效率。我们的实验结果证明了我们的系统可以在视频中发生异常时可靠地检测和定位异常。

    Nov, 2015

  • 密集人群交互式监控技术

    利用计算机视觉、贝叶斯学习技术和人群模拟等方法，通过对行人轨迹级别行为学习，实现低至中密度人群视频的实时异常检测。我们在 PETS ARENA 数据集、室内和室外人群视频基准测试中进行了实时演示，并讨论了与监视和我们研究相关的公共政策和执法问题的影响。

    Sep, 2018

  • 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

  • 计算机视觉和机器学习在增强安全监控中探索视频镜头中的人群模式和分类

    计算机视觉和机器学习在研究员、科学家和大众的感知力方面产生了革命性的转变。本文探讨了计算机视觉在安全监控方面的潜力，并提出了一种新颖的视频运动追踪方法，通过使用动态信息图像和块状主导运动数据将运动分类为弧形、车道、汇合 / 分散和随机 / 块状运动，并研究了不同的光流技术、CNN 模型和机器学习模型。通过取得有希望的准确性达到其目标，结果可以训练异常检测模型，基于运动提供行为洞察，并增强场景理解。

    Aug, 2023

  • 上下文感知的长期数据集视频异常检测

    该研究论文提出了一种面向长期监控场景的上下文感知视频异常检测算法 Trinity，该算法适用于拥挤场景，其中个体难以跟踪，异常是由速度、方向或群体运动缺失引起的。通过对上下文、外观和动作之间的对齐质量进行学习，Trinity 使用对齐质量来将视频分类为正常或异常，该算法在传统基准和我们收集的覆盖超过三个月的公共网络摄像头数据集上进行了评估。

    Apr, 2024

  • 插拔式卷积神经网络用于人群运动分析：异常事件检测应用

    本文探究了利用 Convolutional Neural Networks 和低水平的光流测量来检测视频中的局部异常点。研究结果表明，该方法比当前最先进的方法更为优秀。

    Oct, 2016

  • 多尺度运动一致性学习的人群异常行为检测

    本研究基于多尺度运动一致性网络 (MSMC-Net) 提出了一种视频异常检测方法，以解决困扰人群安全问题的群体异样行为 (CABs) 检测问题。在三个场景中的实验结果表明，MSMC-Net 能够极大地提高所有数据集的性能表现。

    Dec, 2022