文献

J-GLOBAL ID：201402248035459638   整理番号：14A0253471

オンライン最小二乗1クラス・サポートベクターマシンに基づく異常視覚事象検出

Online Least Squares One-Class Support Vector Machines-Based Abnormal Visual Event Detection

著者 (4件)： WANG Tian (Univ. Technol. of Troyes, Troyes, FRA) ,  CHEN Jie (Univ. Nice Sophia-Antipolis, Nice, FRA) ,  ZHOU Yi (Dalian Maritime Univ., Dalian, CHN) ,  SNOUSSI Hichem (Univ. Technol. of Troyes, Troyes, FRA)
資料名： Sensors (Web)  (Sensors (Web))
巻： 13  号： 12  ページ： 17130-17155 (WEB ONLY)  発行年： 2013年12月 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 異常事象検出の問題は,リアルタイム・ビデオ監視における重要な課題である。本論文において,新規な1クラス・オンライン分類アルゴリズムを提案した。これは,オンライン最小二乗1クラス・サポートベクターマシン(オンラインLS-OC-SVM)であり,(スパースオンラインLS-OC-SVM)の特定のバージョンと組み合わせた。LS-OC-SVMは,正則化最小二乗の意味での訓練オブジェクトの最適な記述として超平面を抽出した。このオンラインLS-OC-SVMは,通常の基本的なモデルを提供するための限定されたサンプルの数により,訓練セットを学習する。その後,残りのデータを通じてモデルを更新する。スパース・オンライン方式では,モデルの複雑さは,コヒーレンス基準によって制御される。このオンラインLS-OC-SVMは,異常事象検出の問題を扱うために適用した。このビデオの各フレームは,動画情報を符号化する共分散行列記述子によって特徴付けした。次いで,正常または異常なフレームに分類する。実験は,提案したオンラインLS-OC-SVM法の有望な結果を提示すために,2次元の合成分布データセットとベンチマークビデオ監視データセットに関して行った。(翻訳著者抄録)

シソーラス用語： *サポートベクトルマシン ,  検出 ,  時間 ,  遠隔監視 ,  *計算機アルゴリズム ,  *動画像 ,  画像処理 ,  *行列
準シソーラス用語： ビデオ監視 ,  リアルタイム ,  *共分散行列 ,  *最小二乗サポートベクターマシン ,  事象検出 ,  動画 ,  動画像処理 ,  *分類アルゴリズム

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： オンライン ,  最小二乗 ,  クラス ,  サポートベクターマシン ,  視覚 ,  事象検出