La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Estimating Anomality of the Video Sequences for Surveillance Using 1-Class SVM Estimation de l'anomalie des séquences vidéo pour la surveillance à l'aide d'un SVM de classe 1

Kyoko SUDO, Tatsuya OSAWA, Kaoru WAKABAYASHI, Hideki KOIKE, Kenichi ARAKAWA

  • Vues en texte intégral

    0

  • Citer

Résumé:

Nous avons proposé une méthode pour détecter et extraire quantitativement les anomalies des vidéos de surveillance. Grâce à notre méthode, les anomalies sont détectées sous forme de modèles basés sur des caractéristiques spatio-temporelles qui sont des valeurs aberrantes dans le nouvel espace de fonctionnalités. Les méthodes conventionnelles de détection d’anomalies utilisent des caractéristiques telles que des traces ou des caractéristiques spatio-temporelles locales, qui fournissent toutes deux des informations temporelles insuffisantes. Grâce à notre méthode, les principales composantes des caractéristiques spatio-temporelles du changement sont extraites des images de séquences vidéo d'une durée de plusieurs secondes. Cela permet de déterminer des anomalies basées sur une irrégularité de mouvement, à la fois de position et de vitesse, et permet ainsi la détection automatique d'événements anormaux dans des séquences de longueur constante sans tenir compte de leur début et de leur fin. Nous avons utilisé un SVM de classe 1, qui est une méthode de détection des valeurs aberrantes non supervisée. La sortie du SVM indique la distance entre la valeur aberrante et le modèle de base concentré. Nous avons démontré que les anomalies extraites à l’aide de notre méthode correspondaient subjectivement aux irrégularités perçues dans la configuration des mouvements. Notre méthode est utile dans les services de surveillance car les images capturées peuvent être affichées par ordre d'anomalie, ce qui réduit considérablement le temps nécessaire.

Publication
IEICE TRANSACTIONS on Information Vol.E91-D No.7 pp.1929-1936
Date de publication
2008/07/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1093/ietisy/e91-d.7.1929
Type de manuscrit
Special Section PAPER (Special Section on Machine Vision and its Applications)
Catégories

Auteurs

Mots-clés

Table des matières