[发明专利]基于原子特征袋模型的视频异常事件检测方法及系统有效
| 申请号： | 201610602700.7 | 申请日： | 2016-07-28 |
| 公开（公告）号： | CN107665325B | 公开（公告）日： | 2020-09-29 |
| 发明（设计）人： | 胡士强;胡兴;张茂华;张焕龙 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46 |
| 代理公司： | 上海交达专利事务所 31201 | 代理人： | 王毓理;王锡麟 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于原子特征袋模型的视频异常事件检测方法及系统，首先对视频进行采样，将视频划分为若干作为视频事件的时空体，再将每个时空体划分为时空块，而后从时空块中提取GCM描述子以及相邻时空块之间的STCV描述子，然后使用BoAF模型得到每个视频事件BoAF表示，最后采用K‐SVD算法，学习正常事件BoAF表示的过完备字典，计算每个事件的BoAF表示在这个字典下的稀疏重建代价，以稀疏重建代价大于经验阀值的视频事件为异常事件，本发明能够检测场景中的异常行为，且能够有效检测由于事件结构上下文引起的异常事件，在复杂拥挤的场景中取得了更高的检测率。 | ||
| 搜索关键词： | 基于 原子 特征 模型 视频 异常 事件 检测 方法 系统 | ||
【主权项】：
一种基于原子特征袋模型的视频异常事件检测方法，其特征在于，首先对视频进行采样，将视频划分为若干作为视频事件的时空体，再将每个时空体划分为时空块，而后从时空块中提取GCM描述子以及相邻时空块之间的STCV描述子，然后使用BoAF模型得到每个视频事件BoAF表示，最后采用字典学习算法学习正常事件BoAF表示的过完备字典，计算每个事件的BoAF表示在这个字典下的稀疏重建代价，以稀疏重建代价大于经验阀值的视频事件为异常事件。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学，未经上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610602700.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种带有识别码的包装结构
- 下一篇：一种带有撕拉结构的盒体
