論文の概要: Detecting Anomalies from Video-Sequences: a Novel Descriptor

• arxiv url: http://arxiv.org/abs/2010.06407v2
• Date: Sat, 17 Oct 2020 14:40:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 00:04:44.295150
• Title: Detecting Anomalies from Video-Sequences: a Novel Descriptor
• Title（参考訳）: ビデオシーケンスから異常を検出する:新しい記述子
• Authors: Giulia Orr\`u, Davide Ghiani, Maura Pintor, Gian Luca Marcialis, Fabio Roli
• Abstract要約: 本稿では,群集行動解析と異常検出のための新しい記述子を提案する。 目標は、群衆におけるグループの形成と崩壊の速度を適切なパターンで測定することである。
• 参考スコア（独自算出の注目度）: 6.110023734724779
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a novel descriptor for crowd behavior analysis and anomaly detection. The goal is to measure by appropriate patterns the speed of formation and disintegration of groups in the crowd. This descriptor is inspired by the concept of one-dimensional local binary patterns: in our case, such patterns depend on the number of group observed in a time window. An appropriate measurement unit, named "trit" (trinary digit), represents three possible dynamic states of groups on a certain frame. Our hypothesis is that abrupt variations of the groups' number may be due to an anomalous event that can be accordingly detected, by translating these variations on temporal trit-based sequence of strings which are significantly different from the one describing the "no-anomaly" one. Due to the peculiarity of the rationale behind this work, relying on the number of groups, three different methods of people group's extraction are compared. Experiments are carried out on the Motion-Emotion benchmark data set. Reported results point out in which cases the trit-based measurement of group dynamics allows us to detect the anomaly. Besides the promising performance of our approach, we show how it is correlated with the anomaly typology and the camera's perspective to the crowd's flow (frontal, lateral).
• Abstract（参考訳）: 本稿では,群衆行動分析と異常検出のための新しい記述子を提案する。 目標は、群衆におけるグループの形成と崩壊の速度を適切なパターンで測定することである。 この記述子は1次元局所二元パターンの概念に着想を得ており、この場合、そのようなパターンは時間ウィンドウで観察されるグループ数に依存する。 適切な測定単位は「トリット」(トリノ桁)と呼ばれ、あるフレーム上の群の3つの動的状態を表す。 我々の仮説は、群の数の突然の変動は、これらの変化を時間的三重項に基づく文字列列に翻訳することで検出できる異常事象によるものかもしれないということである。 本研究の背景にある理論的根拠の特異性から,グループ数に依存して,グループ抽出の3つの異なる方法を比較した。 実験は、Motion-Emotionベンチマークデータセット上で実施される。 報告された結果から, グループダイナミクスのトリトに基づく測定が異常検出に役立てる事例が指摘された。 提案手法の有望な性能に加えて, 異常型とカメラの視点が群集の流れ(正面, 横方向)とどのように相関しているかを示す。

関連論文リスト

• Bayesian temporal biclustering with applications to multi-subject neuroscience studies [6.515516311120015]
  本研究では,時間不変な被検体の分割が時間変化による測定の分割を誘導するネスト分割を特徴とする時間的双クラスタリングのためのベイズモデルを提案する。 提案手法は,データ駆動による被検体数および測定クラスター数の決定と,測定分割における変化点数および位置の推定を可能にする。
  論文  参考訳（メタデータ） (2024-06-24T20:41:37Z)
• GADformer: A Transparent Transformer Model for Group Anomaly Detection on Trajectories [0.9971221656644376]
  グループ異常検出(GAD)は、個々のメンバーが異常ではない場合の異常なパターンを特定する。 本稿では,非教師付きおよび半教師付き設定におけるトラジェクトリ上での注意駆動型GADモデルであるGADformerを紹介する。 また,Block-Attention-anomaly-Score (BAS)を導入し,注意パターンを評価することでモデルの透明性を高める。
  論文  参考訳（メタデータ） (2023-03-17T08:49:09Z)
• Counting Like Human: Anthropoid Crowd Counting on Modeling the Similarity of Objects [92.80955339180119]
  メインストリームの群衆計数法は 密度マップを補強して 計数結果を得るために統合する。 これに触発された我々は,合理的かつ人為的な集団カウントフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-02T07:00:53Z)
• Temporal Analysis on Topics Using Word2Vec [0.0]
  本研究では,トレンド検出と可視化の新しい手法を提案する。具体的には,話題の変化を時間とともにモデル化する。 この手法は、20のNews Groupsデータセットに存在する様々なメディアハウスの記事群でテストされた。
  論文  参考訳（メタデータ） (2022-09-23T16:51:29Z)
• NLP Based Anomaly Detection for Categorical Time Series [7.895459735927415]
  分類的時系列と古典的自然言語処理の類似を定式化する。 我々は,それに基づく3種類の機械学習異常検出と根本原因調査モデルを実装し,検証する。
  論文  参考訳（メタデータ） (2022-04-22T03:53:51Z)
• Towards Robust and Adaptive Motion Forecasting: A Causal Representation Perspective [72.55093886515824]
  本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。 我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。 合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2021-11-29T18:59:09Z)
• Anomaly Transformer: Time Series Anomaly Detection with Association Discrepancy [68.86835407617778]
  Anomaly Transformerは、6つの教師なし時系列異常検出ベンチマークで最先端のパフォーマンスを達成する。 Anomaly Transformerは、6つの教師なし時系列異常検出ベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-10-06T10:33:55Z)
• Abnormal Behavior Detection Based on Target Analysis [57.78993932008633]
  本稿では,対象,動作,動作の3つの分岐を通して各対象を解析する多変量融合法を提案する。 これらの枝が注目する情報は異なっており、相互に補完し、異常な振る舞いを共同で検出することができる。
  論文  参考訳（メタデータ） (2021-07-29T02:03:47Z)
• A Background-Agnostic Framework with Adversarial Training for Abnormal Event Detection in Video [120.18562044084678]
  近年,ビデオにおける異常事象検出は複雑なコンピュータビジョンの問題として注目されている。 通常のイベントのみを含むトレーニングビデオから学習するバックグラウンドに依存しないフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-27T18:39:24Z)
• Learning from Aggregate Observations [82.44304647051243]
  本研究では,一組のインスタンスに監視信号が与えられる集合観察から学習する問題について検討する。 本稿では,多種多様な集合観測に適合する一般的な確率的枠組みを提案する。 単純な極大解は様々な微分可能なモデルに適用できる。
  論文  参考訳（メタデータ） (2020-04-14T06:18:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。