新闻中心
-
范哲意老师研究组在异常行为检测研究方面取得进展
来源: 发布日期:2020年11月16日近日,北京理工大学信息与电子学院信号与图像处理研究所高级实验师范哲意、硕士生殷健源,基于时空自编码器网络与时空卷积神经网络,实现了实时准确的异常行为检测。相关研究成果以《Real-time and accurate abnormal behavior detection in videos》为题,发表于机器学习领域期刊Machine Vision and Applications。
图1 异常行为检测算法效果图
异常行为检测存在两个难点:不同场景中的异常行为定义具有不一致性;在不使用GPU的条件下,很难实现高准确率的实时检测。
图2 异常行为检测算法框架图
针对以上两个问题,研究团队仅使用场景中的正常行为样本训练时空自编码器网络,并利用重建误差完成对异常行为的自动定义;设计了轻量化的时空卷积神经网络,在不使用GPU的条件下,实现了计算实时性。同时,准确性与先进算法具有可比性。
综上所述,该算法可以针对无标签的数据库实现异常行为的自动定义,同时能够完成准确高效的异常行为检测。
论文链接:
https://doi.org/10.1007/s00138-020-01111-3