《表3 不同异常检测方法对比》
最后,将本文的方法和现有大部分异常检测方法进行比较,AUC值达到了79.23%,如表3所示,说明异常行为检测的效果最好。将所提出的方法与当前先进算法的性能进行比较,并在UCF-Crime数据集上绘制了帧级ROC曲线,从图3可以看出,本方法要优于其他的方法,曲线相对平滑,说明模型的稳定性好。将社会力加入到异常检测的模型中,从物理层面对视频中的运动个体进行受力分析,有助于提高异常检测的正确率;通过引入注意力机制,可以检测出作用力异常的视频帧,能够从视频帧中提取有用的特征信息,减少了背景以及其他无关冗余信息的干扰,使得异常检测的正确率显著提升。
图表编号 | XD00220054300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 童赟、杨兴明、范楼苗 |
绘制单位 | 合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |