视频监控下利用改进型YOLOv3的弱监督式异常行为检测

您当前的位置：

首页 >

文章列表页 >

光学图像处理与识别 | 更新时间：2025-09-01

- 视频监控下利用改进型YOLOv3的弱监督式异常行为检测
- Weak supervised abnormal behavior detection using improved YOLOv3 under video surveillance
- 光学技术 2021年47卷第1期页码：120-128
- 作者机构：
  
  1. 1:佛山职业技术学院电子信息学院
  2. 2:华南理工大学经济管理学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金面上项目(71371077);广东省教育厅创新类项目(2019GKTSCX119)
- DOI：10.13741/j.cnki.11-1879/o4.2021.01.021
  中图分类号：
- 纸质出版：2021
- 稿件说明：
移动端阅览
赵雪章, 丁犇, 席运江. 视频监控下利用改进型YOLOv3的弱监督式异常行为检测[J]. 光学技术, 2021,47(1):120-128.

Weak supervised abnormal behavior detection using improved YOLOv3 under video surveillance[J]. 2021, 47(1): 120-128.
赵雪章, 丁犇, 席运江. 视频监控下利用改进型YOLOv3的弱监督式异常行为检测[J]. 光学技术, 2021,47(1):120-128. DOI： 10.13741/j.cnki.11-1879/o4.2021.01.021.

Weak supervised abnormal behavior detection using improved YOLOv3 under video surveillance[J]. 2021, 47(1): 120-128. DOI： 10.13741/j.cnki.11-1879/o4.2021.01.021.

为了对监控视频中的异常行为进行准确高效地检测

提出了一种利用改进型YOLOv3的弱监督式异常行为检测。采用多尺度融合的方式改进YOLOv3网络

利用改进型YOLOv3完成视频中的目标检测

提高计算效率与方法的通用性;利用光流可有效捕捉运动信息这一特性

提出大尺度光流直方图描述符(LSOFH)描述目标行为

以更好地提取异常行为特征;训练最小二乘支持向量机(LSSVM)

用于识别监控视频中的异常行为。基于MATLAB仿真平台对所提方法进行实验论证

结果表明

相比于其他方法

所提方法在UCSD数据集、UMN数据集和地铁出口数据集上的表现最佳

曲线下面积(AUC)最大、等错误率(EER)最小且检测率最高

具有较好的应用前景。

浏览量

418

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

视频监控下利用改进型C3D-RF的人群异常行为检测

基于改进的最小二乘支持向量机与荧光光谱法检测山梨酸钾

基于DM642的运动目标实时跟踪监控系统的设计

基于USB2.0的智能视频监控系统设计

基于软掩膜前景分割和多信息融合重排序的行人重识别方法