-
公开(公告)号：CN105023019A
公开(公告)日：2015-11-04
申请号：CN201410154600.3
申请日：2014-04-17
Applicant: 复旦大学
IPC: G06K9/62
Abstract: 本发明属于模式识别和人工智能技术领域，具体为一种用于视频监控自动探测人群异常行为的特征描述方法。本发明方法的步骤为：计算监控视频中像素运动的瞬时速度；根据像素的速度的属性，建立分布直方图；根据该直方图的统计意义或数学意义构造出对应的特征描述。本发明提出的用于自动监视视频监控中异常人群移动的特征描述方法具有明确的物理意义，便于有目的的参数调整以适应不同场合的应用；实现步骤简单，速度快，不需要费时的机器学习过程；不基于目标跟踪，不受场景中人数的限制，不受视频分辨率的影响。
-
Patent Agency Ranking
公开(公告)号：CN105023019B
公开(公告)日：2018-11-13
申请号：CN201410154600.3
申请日：2014-04-17
Applicant: 复旦大学
IPC: G06K9/62
Abstract: 本发明属于模式识别和人工智能技术领域，具体为一种用于视频监控自动探测人群异常行为的特征描述方法。本发明方法的步骤为：计算监控视频中像素运动的瞬时速度；根据像素的速度的属性，建立分布直方图；根据该直方图的统计意义或数学意义构造出对应的特征描述。本发明提出的用于自动监视视频监控中异常人群移动的特征描述方法具有明确的物理意义，便于有目的的参数调整以适应不同场合的应用；实现步骤简单，速度快，不需要费时的机器学习过程；不基于目标跟踪，不受场景中人数的限制，不受视频分辨率的影响。
-
公开(公告)号：CN107424170A
公开(公告)日：2017-12-01
申请号：CN201710459981.X
申请日：2017-06-17
Applicant: 复旦大学
Abstract: 本发明属于视频监控技术领域，具体是一种用于自动探测监控视频中局部异常行为的运动特征描述方法。本发明方法是根据关联的多帧间运动的统计量构造出对应的特征描述，具体步骤：计算监控视频中像素运动的速度；根据像素的速度，关联多帧间的运动；根据关联的多帧间运动的像素分布直方图，构造出对应的描述特征。本方法不受视频分辨率以及人群规模的影响，在特征描述的基础上，可以实现在视频中局部区域异常行为的自动检测。
-
公开(公告)号：CN107424170B
公开(公告)日：2020-07-28
申请号：CN201710459981.X
申请日：2017-06-17
Applicant: 复旦大学
Abstract: 本发明属于视频监控技术领域，具体是一种用于自动探测监控视频中局部异常行为的运动特征描述方法。本发明方法是根据关联的多帧间运动的统计量构造出对应的特征描述，具体步骤：计算监控视频中像素运动的速度；根据像素的速度，关联多帧间的运动；根据关联的多帧间运动的像素分布直方图，构造出对应的描述特征。本方法不受视频分辨率以及人群规模的影响，在特征描述的基础上，可以实现在视频中局部区域异常行为的自动检测。
-
公开(公告)号：CN107392100B
公开(公告)日：2020-07-07
申请号：CN201710459939.8
申请日：2017-06-17
Applicant: 复旦大学
Abstract: 本发明属于视频监控技术领域，具体为自动探测监控视频中局部异常的检测方法。本发明的步骤为：从训练视频中检索与监控视频局部区域的运动特征最相似的若干个区域；根据检索出的这些区域，构建评估模型；根据监控视频局部区域与这个构建的评估模型的一致性，判断监控视频局部区域是否为异常。本发明方法不依赖于特定行为的表现和状态，因此不需要为无法预先知道的典型模式构建模型；对正常训练集中混入少量的异常样本并不敏感；将那些出现概率小的事件识别为异常，概率门限的物理含义非常明确，容易设置；为最相似的若干个样本间的相似度建模，避免了对高维特征建模的过拟合问题；运算效率非常高，适合于实时监控。
-
公开(公告)号：CN107392100A
公开(公告)日：2017-11-24
申请号：CN201710459939.8
申请日：2017-06-17
Applicant: 复旦大学
Abstract: 本发明属于视频监控技术领域，具体为自动探测监控视频中局部异常的检测方法。本发明的步骤为：从训练视频中检索与监控视频局部区域的运动特征最相似的若干个区域；根据检索出的这些区域，构建评估模型；根据监控视频局部区域与这个构建的评估模型的一致性，判断监控视频局部区域是否为异常。本发明方法不依赖于特定行为的表现和状态，因此不需要为无法预先知道的典型模式构建模型；对正常训练集中混入少量的异常样本并不敏感；将那些出现概率小的事件识别为异常，概率门限的物理含义非常明确，容易设置；为最相似的若干个样本间的相似度建模，避免了对高维特征建模的过拟合问题；运算效率非常高，适合于实时监控。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
