公开(公告)号：CN111680614A

公开(公告)日：2020-09-18

申请号：CN202010495091.6

申请日：2020-06-03

Applicant: 安徽大学

Inventor： 唐俊 ,  洪杰 ,  王年 ,  朱明 ,  鲍文霞 ,  张艳

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于视频监控中的异常行为检测方法，包括通过YOLOv3目标检测算法即快速又精确的检测出视频帧图像中的前景目标对象，可以去除背景噪声的影响，并且可以满足异常检测实时性的要求；将视频帧图像中的目标对象提取特征后，先对特征进行聚类，再输入到SVM分类器中，取得分最高的作为该目标对象的异常得分，最后取该视频帧图像中所有目标对象的异常得分中的最高值作为该帧图像的异常得分，利用SVM分类器可以快速准确的分类，并且满足实时性要求。本发明采用深度学习和机器学习的方法，能够有效地检测出异常事件的发生，并且可以达到实时检测的要求，提高了对异常事件检测的准确率。

公开(公告)号：CN111680614B

公开(公告)日：2023-04-14

申请号：CN202010495091.6

申请日：2020-06-03

Applicant: 安徽大学

Inventor： 唐俊 ,  洪杰 ,  王年 ,  朱明 ,  鲍文霞 ,  张艳

IPC: G06V20/40 ,  G06V20/52 ,  G06V10/764 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/088

Abstract: 本发明公开了一种基于视频监控中的异常行为检测方法，包括通过YOLOv3目标检测算法即快速又精确的检测出视频帧图像中的前景目标对象，可以去除背景噪声的影响，并且可以满足异常检测实时性的要求；将视频帧图像中的目标对象提取特征后，先对特征进行聚类，再输入到SVM分类器中，取得分最高的作为该目标对象的异常得分，最后取该视频帧图像中所有目标对象的异常得分中的最高值作为该帧图像的异常得分，利用SVM分类器可以快速准确的分类，并且满足实时性要求。本发明采用深度学习和机器学习的方法，能够有效地检测出异常事件的发生，并且可以达到实时检测的要求，提高了对异常事件检测的准确率。