论文部分内容阅读
针对传统异常事件检测算法没有考虑视频数据低秩特性的问题,提出了基于低秩稀疏编码模型的字典学习算法.对提取的多尺度三维时空梯度特征进行K-均值聚类.利用低秩稀疏编码模型进行每一个特征聚类的字典学习.通过迭代聚类和字典学习获取所有的正常行为模式.采用公共数据集UCSD Pedl和Avenue检测该算法的性能.与社会力(SF)、混合概率主成分分析(MPPCA)、社会力-混合概率主成分分析(SF-MPPCA)、混合动态纹理(MDT),Adam、子空间(Suspace)、稀疏组合学习框架(SCLF)7种方法对比,该