文献

J-GLOBAL ID：201502260854737270   整理番号：15A0322571

異常事象検出と定位のためのビデオボリューム内の時空間文脈分析

Spatio-temporal context analysis within video volumes for anomalous-event detection and localization

著者 (7件)： LI Nannan (Guangdong Provincial Key Lab of Robotics and Intelligent Systems, Shenzhen Institutes of Advanced Technol., Chinese ...) ,  WU Xinyu (Guangdong Provincial Key Lab of Robotics and Intelligent Systems, Shenzhen Institutes of Advanced Technol., Chinese ...) ,  WU Xinyu (Dep. of Mechanical and Automation Engineering, The Chinese Univ. of Hong Kong, Hong Kong) ,  WU Xinyu (Key Lab. of Human-Machine-Intelligence Synergic Systems, Shenzhen Institutes of Advanced Technol., Chinese Acad. of ...) ,  XU Dan (Dep. of Information Engineering and Computer Sci., Univ. of Trento, ITA) ,  GUO Huiwen (Guangdong Provincial Key Lab of Robotics and Intelligent Systems, Shenzhen Institutes of Advanced Technol., Chinese ...) ,  FENG Wei (Guangdong Provincial Key Lab of Robotics and Intelligent Systems, Shenzhen Institutes of Advanced Technol., Chinese ...)
資料名： Neurocomputing  (Neurocomputing)
巻： 155  ページ： 309-319  発行年： 2015年05月01日 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,混雑シーンでのビデオ監視に適用される異常検出手法を提案した。本手法は映像立方体内での時空間ビデオボリューム配置の分析に基づく教師なし統計学習フレームワークである。それはクラスタリングとスパースコーディングを用い,それぞれ大域的な行動パターンと局所的な突出動作パターンを学習する。通常の動作から学習した組成パターン辞書の上に,大局的,局所的の双方においてビデオに生じる異常を検出するためにスパース再構成コスト基準を設計した。また,正確な異常定位を入手し,異常事象のスケール変化を考慮するために多重尺度解析を用いた。本手法を公的に利用できる異常検出データ集合で検証し,他の既存研究と比較した。実験結果からより効率的に様々な異常を検出するだけでなく,より正確に異常領域を見つけることが明らかになった。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： 検出 ,  非線形解析 ,  *コンピュータビジョン ,  *機械学習 ,  クラスタ化 ,  *画像処理 ,  *パターン認識 ,  動画像 ,  画像再構成 ,  費用関数 ,  評価試験 ,  位置決め ,  文脈 ,  *符号化
準シソーラス用語： クラスタリング ,  *スパース符号化 ,  ビデオ画像 ,  異常検出 ,  多重尺度法 ,  *統計学習

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  符号理論  (ND02030R)

タイトルに関連する用語 (7件)： 事象検出 ,  定位 ,  ビデオ ,  ボリューム ,  時空間 ,  文脈 ,  分析