《表4 主题数对建模时间以及异常行为检测性能的影响》
本节实验采用QMUL和MIT十字路口场景视频序列,实验样本设置见表3所示。由该表也可以看出,在实际的视频序列中异常行为样本只占很小的比例,QMUL数据库为3.3%,MIT数据库为6.2%。从表4中可以看出,建模时间随着主题数目的增加而线性增长;但是对于异常行为检测,性能并没有随着主题数目的增加而显著改善。相反,对于QMUL十字路口场景而言,当主题数目为5时,性能最优;对于MIT交通场景,主题数目为40时,性能最优;但是总体上性能差别不大。分析其原因,这两类监控场景都属于大规模的复杂场景,而其中所包含的异常行为具有时空稀疏性,不仅发生的频率小,在空间上也很容易被其它同时发生的行为所淹没。因此,针对具有时空稀疏特点的异常行为,采用无监督的方法性能不佳。
图表编号 | XD0016127000 严禁用于非法目的 |
---|---|
绘制时间 | 2018.02.05 |
作者 | 樊亚文、周全、朱卫平 |
绘制单位 | 南京邮电大学宽带无线通信与传感网技术教育部重点实验室、南京邮电大学宽带无线通信与传感网技术教育部重点实验室、康考迪亚大学电子与计算机工程系 |
更多格式 | 高清、无水印(增值服务) |