文献

J-GLOBAL ID：201802214084941363   整理番号：18A0901479

深さ学習特徴に基づく異常行動検出【JST・京大機械翻訳】

Abnormal Behavior Detection Based on Deep-Learned Features

著者 (2件)： Wang Jun (中南大学信息科学与工程学院,湖南長沙,410075) ,  Xia Limin (中南大学信息科学与工程学院,湖南長沙,410075)
資料名： Hunan Daxue Xuebao. Ziran Kexue Ban  (Hunan Daxue Xuebao. Ziran Kexue Ban)
巻： 44  号： 10  ページ： 130-138  発行年： 2017年 
JST資料番号： W0616A  ISSN： 1674-2974  CODEN： HDAXE3  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 既存の異常行動検出は,人工的特徴を用いることが多いが,人工的特徴の計算複雑度が高く,複雑な場面での有効な行動特性の選択と設計が困難である。この問題を解決するため、堆積ノイズ除去エンコーダと改良した高密度軌道を結合して、深度学習特徴に基づく異常行為検出方法を提案した。効果的に行動を記述するため、堆積ノイズ除去エンコーダを用いて、行動の外観特徴と運動特徴をそれぞれ抽出し、同時に計算複雑度を減少するために、特徴抽出を高密度軌道の空間時間体積に制限し、特徴の分類能力を高めるため、重み付け相関法を利用して特徴融合を行った。.特徴の分類能力を高める.。.特徴の抽出を行為視覚語の表現に制限する;特徴の分類能力の向上に、特徴融合の方法を用いる。.特徴の分類能力の向上。???????-??????????????????????????????????????????最後に,スパース再構成誤差を用いて挙動の異常を判断する。公共データベースCAVIARとBOSSでこの方法を検証し,他の方法と比較した結果,この方法の有効性を示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 特徴抽出 ,  検出法 ,  再構成 ,  データベース ,  符号器 ,  *学習 ,  雑音低減 ,  透視図法 ,  視覚 ,  重みづけ ,  計算量
準シソーラス用語： 特徴融合 ,  高密度 ,  行動特性 ,  *異常行動 , 【Automatic Indexing@JST】

著者キーワード (5件)： abnormal behavior ,  deep-learned features ,  SDAE ,  feature extraction ,  dense trajectories

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 学習 ,  異常行動