基于多条件随机场模型的异常行为检测

被引：2

作者：

叶璐 ^{[1
]}

郭立 ^{[1
]}

刘皓 ^{[2
]}

机构：

[1] 中国科学技术大学电子科学与技术系

[2] 中国科学技术大学物理系

来源：

通信技术 | 2014年 / 47卷 / 06期

关键词：

异常行为检测; 多条件随机场模型; Kinect; 3D骨架数据; 特征提取;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

传统的异常行为检测多数是利用单特征建模,检测的行为较为单一,检测率较低,针对这些问题,提出一种基于多条件随机场模型(MCRF)的异常行为检测方法,MCRF模型具有融合多特征和联系上下文信息的优势。通过Kinect获取3D骨架数据,提取角度、位置、速度三类特征,形成多类特征子集,利用基本的CRF模型对每一类特征子集建模,形成多个CRF单元,然后组合所有的CRF单元,得到MCRF模型,最后利用MCRF模型进行异常行为检测。实验结果表明基于MCRF的异常行为检测方法具有较高的检测率。

引用

页码：612 / 617

页数：6

共 5 条

[1] 基于条件随机场与区域划分的异常行为检测附视频 [J].

刘鹏 ;

郭立 ;

王成彰 ;

于昊 .

通信技术, 2013, (08) :108-111

[2] 人体行为识别的条件随机场方法 [J].

王媛媛 ;

王斌 .

重庆理工大学学报(自然科学), 2013, 27 (06) :93-99+105

[3] 基于潜在主题的视频异常行为分析 [J].

陆海先 ;

郭立 ;

桂树 ;

谢锦生 .

通信技术, 2012, 45 (07) :67-71

[4]

Representations of quasi-Newton matrices and their use in limited memory methods[J] . Richard H. Byrd,Jorge Nocedal,Robert B. Schnabel. Mathematical Programming . 1994 (1)

[5]

Recognizing human action in time-sequential images using hidden Markov model .2 Yamato J,Ohya J,Ishii K. IEEE International Conference on Computer Vision and Pattern Recognition . 1992

← 1 →