[发明专利]基于低秩逼近结构化稀疏表示的异常事件检测方法在审
| 申请号： | 201610915766.1 | 申请日： | 2016-10-21 |
| 公开（公告）号： | CN106503647A | 公开（公告）日： | 2017-03-15 |
| 发明（设计）人： | 刘亚洲;余博思;刘柯柯;孙权森 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 南京理工大学专利中心32203 | 代理人： | 王玮 |
| 地址： | 210094 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于低秩逼近结构化稀疏表示的异常事件检测方法，包括特征提取、训练和测试三个过程。1)提取视频序列的多尺度三维梯度特征；2)对多尺度三维梯度特征进行降维，形成训练特征集和测试特征集；3)初始化剩余训练特征和相关参数；4)对剩余训练特征进行迭代学习组稀疏字典，获得正常模式字典集；5)利用由训练过程获取的组稀疏字典集，对测试特征进行稀疏重建；6)根据重建误差，判断测试特征是否为异常特征。本发明解决了异常检测技术中未充分挖掘视频数据的低秩特性和检测速率较慢的缺点。 | ||
| 搜索关键词： | 基于 逼近 结构 稀疏 表示 异常 事件 检测 方法 | ||
【主权项】：
一种基于低秩逼近结构化稀疏表示的异常事件检测方法，其特征在于：包括特征提取、训练和测试三个过程：特征提取过程包括以下步骤：1)提取视频序列的多尺度三维梯度特征；2)对多尺度三维梯度特征进行降维，形成训练特征集和测试特征集；训练过程包括以下步骤：3)初始化剩余训练特征和相关参数；4)对剩余训练特征进行迭代学习组稀疏字典，获得正常模式字典集；测试过程包括以下步骤：5)利用由训练过程获取的组稀疏字典集，对测试特征进行稀疏重建；6)根据重建误差，判断测试特征是否为异常特征。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610915766.1/，转载请声明来源钻瓜专利网。
- 上一篇：清脂冲剂的制作方法
- 下一篇：一种清热解毒百香果含片
