文献

J-GLOBAL ID：201702260850468635   整理番号：17A1349988

BMTT PETS2017監視挑戦の異常事象検出【Powered by NICT】

Abnormal Event Detection on BMTT-PETS 2017 Surveillance Challenge

著者 (3件)： Vignesh Kothapalli ,  Yadav Gaurav ,  Sethi Amit
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPRW  ページ： 2161-2168  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,著者らはヒト集団活動のための異常事象を検出する方法を提案した。筆者らの主な貢献は作用を分離することにより,教師つき学習を用いた非常に少ないビデオによる学習する戦略を開発することである。最初に,前景のみに高次学習を連接するためにGauss関数(MoG)の混合物として各画素をモデル化することにより各フレームの背景を差し引いた。,特徴は,正常及び異常フレーム間の分類するために訓練される畳込みニューラルネットワーク(CNN)を用いて各フレームから抽出した。これらの特徴ベクトルは,長い短期記憶(LSTM)ネットワークに供給フレーム間の長期依存性を学習した。LSTMも異常なフレームを分類するために訓練される,フレームの時間的特徴を抽出した。最後に,線形SVM,その入力はLSTMによる計算した特徴の出力に依存して異常または正常フレームを分類した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： グループ活動 ,  ネットワーク ,  *学習 ,  畳込み ,  教師つき学習 ,  ニューラルネットワーク ,  録画装置 ,  画素 ,  モデリング
準シソーラス用語： 長期依存性 ,  短期記憶 ,  特徴ベクトル ,  Gauss関数 ,  前景 ,  *イベント検出 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： 事象検出