上传者: 38663595
|
上传时间: 2025-08-14 21:52:41
|
文件大小: 2.82MB
|
文件类型: PDF
本文针对多不相交同步摄像机网络,提出了一种新颖的全局异常事件检测算法。 通过学习在摄像机视图之内和之间观察到的分布式局部活动之间的时间依赖性,我们将检测异常的全局事件视为发现上下文不一致的模式。 首先在每个摄像机视图中使用均值平移方法提取轨迹。 当通过对轨迹应用聚类算法来学习本地活动时,我们使用概率图形模型对全局事件模式进行建模,其中不同的节点代表来自不同视图的入口/出口区域,节点之间的有向链接编码其时间依赖性。 提出了一种新颖的两阶段结构学习算法,以学习全局优化的时间依赖性。 修改后的动态时间规整用于学习摄像机网络中不可观察区域中的链接。 然后,使用蒙特卡洛(MC)算法对结构进行细化并生成最终的依存结构。 我们使用合成数据集和从研究所安装的摄像机网络捕获的视频来验证所提出方法的有效性。