论文部分内容阅读
为提高视频监控下局部异常行为检测的准确性和快速性,文中提出一种基于视频图像块模型的局部异常行为检测方法。该方法首先进行基于梯度直方图的视频图像块提取和基于时空相关性的视频图像块优化;然后,对视频图像块进行基于张量投票的正常行为模型学习和基于时空相似性的异常行为模型学习;最后,依据学习结果进行视频图像块的局部异常行为检测,确定异常区域并进行有效的标记。在通用UCSD数据集和Subway数据集上的实验结果表明,文中所提方法能有效提高局部异常行为检测的准确性和检测的效率。