《表1 不同的社会力对异常行为检测的影响》
首先,消融研究不同的社会力对异常检测性能产生的影响,如表1所示。研究发现:C3D网络仅仅通过RGB和光流所学习到的特征去检测视频中异常行为是远远不够的,通过定义三种社会力去描述监控视频中的复杂行为,显著提升了异常行为检测的正确率。当从运动和外观无法区分异常行为时,考虑速度异常,由于受到障碍物的影响,运动目标的移动速度将会发生变化。阻碍力相比较于RGB和光流特征,AUC值提升了2.87%。在拥挤场景中,挤压力就表现出明显的优势。相比较于阻碍力,其AUC值也从71.16%提升到了74.92%。侵犯力适用于大多数的暴乱场景中,随着侵犯力的加入,异常行为检测性能大大提升,AUC提升了4.31%,由此说明,本文所提出的社会力能够有效的实现监控视频下的异常行为检测。
图表编号 | XD00220054500 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) |