論文の概要: Hybrid Classifiers for Spatio-temporal Real-time Abnormal Behaviors
Detection, Tracking, and Recognition in Massive Hajj Crowds
- arxiv url: http://arxiv.org/abs/2207.11931v1
- Date: Mon, 25 Jul 2022 06:52:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 14:48:16.212697
- Title: Hybrid Classifiers for Spatio-temporal Real-time Abnormal Behaviors
Detection, Tracking, and Recognition in Massive Hajj Crowds
- Title（参考訳）: 時空間的リアルタイム異常行動の検出・追跡・認識のためのハイブリッド分類器
- Authors: Tarik Alafif, Anas Hadi, Manal Allahyani, Bander Alzahrani, Areej
Alhothali, Reem Alotaibi, Ahmed Barnawi
- Abstract要約: 本稿では,Hajj データセット (HAJJv2) の注釈付きおよびラベル付き大規模集団異常行動について紹介する。
我々は,小規模・大規模の群衆ビデオにおいて,時空間異常を検知し,認識するためのハイブリッド畳み込みニューラルネットワーク(CNN)とランダムフォレスト(RF)の2つの手法を提案する。
- 参考スコア（独自算出の注目度）: 1.8186887490616164
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Individual abnormal behaviors vary depending on crowd sizes, contexts, and
scenes. Challenges such as partial occlusions, blurring, large-number abnormal
behavior, and camera viewing occur in large-scale crowds when detecting,
tracking, and recognizing individuals with abnormal behaviors. In this paper,
our contribution is twofold. First, we introduce an annotated and labeled
large-scale crowd abnormal behaviors Hajj dataset (HAJJv2). Second, we propose
two methods of hybrid Convolutional Neural Networks (CNNs) and Random Forests
(RFs) to detect and recognize Spatio-temporal abnormal behaviors in small and
large-scales crowd videos. In small-scale crowd videos, a ResNet-50 pre-trained
CNN model is fine-tuned to verify whether every frame is normal or abnormal in
the spatial domain. If anomalous behaviors are observed, a motion-based
individuals detection method based on the magnitudes and orientations of
Horn-Schunck optical flow is used to locate and track individuals with abnormal
behaviors. A Kalman filter is employed in large-scale crowd videos to predict
and track the detected individuals in the subsequent frames. Then, means,
variances, and standard deviations statistical features are computed and fed to
the RF to classify individuals with abnormal behaviors in the temporal domain.
In large-scale crowds, we fine-tune the ResNet-50 model using YOLOv2 object
detection technique to detect individuals with abnormal behaviors in the
spatial domain.
- Abstract（参考訳）: 個々の異常行動は、群衆の大きさ、状況、シーンによって異なる。
部分閉塞、ぼやけ、大数の異常行動、カメラの視認といった課題は、異常な行動のある個人を検出し、追跡し、認識する際に、大規模な群衆に発生する。
本稿では、我々の貢献を2つにまとめる。
まず,Hajjデータセット(HAJJv2)の注釈付きおよびラベル付き大規模集団異常行動を紹介する。
次に,2つのハイブリッド型畳み込みニューラルネットワーク (CNN) とランダムフォレスト (RF) を提案する。
小規模な群衆ビデオでは、ResNet-50事前訓練されたCNNモデルを微調整し、空間領域における全てのフレームが正常であるか異常であるかを検証する。
異常な挙動が観測された場合、ホーン・シュンク光流の大きさと向きに基づく動きに基づく個人検出法を用いて、異常な挙動を持つ個人を同定・追跡する。
Kalmanフィルタは大規模な群衆ビデオに使われ、検出された個人を後続のフレームで予測し追跡する。
次に、時間領域における異常な振る舞いを持つ個人を分類するために、すなわち、ばらつき、および標準偏差統計特徴を計算し、RFに供給する。
大規模群集では,yolov2オブジェクト検出手法を用いてresnet-50モデルを微調整し,空間領域に異常行動を有する個人を検出する。
関連論文リスト
- Frequency-Guided Multi-Level Human Action Anomaly Detection with Normalizing Flows [13.77542608443034]
本研究では,人間の行動異常検出(HAAD)の課題について紹介する。
ビデオからの異常な出来事に主に焦点をあてる以前の人間関係の異常検出タスクと比較して、HAADは、意味的に異常な人間の行動を認識するために、特定のアクションラベルを学習する。
論文 参考訳（メタデータ） (2024-04-26T12:56:16Z) - Semi-Supervised Learning for Anomaly Traffic Detection via Bidirectional Normalizing Flows [47.4772981101262]
本稿では,異常なネットワークトラフィック検出の問題点を考察し,通常のトラフィックのみを用いた3段階の異常検出フレームワークを提案する。
本フレームワークは,異常を事前に知ることなく擬似異常サンプルを生成し,異常データの検出を実現する。
論文 参考訳（メタデータ） (2024-03-13T02:10:32Z) - Dynamic Erasing Network Based on Multi-Scale Temporal Features for
Weakly Supervised Video Anomaly Detection [103.92970668001277]
弱教師付きビデオ異常検出のための動的消去ネットワーク(DE-Net)を提案する。
まず,異なる長さのセグメントから特徴を抽出できるマルチスケール時間モデリングモジュールを提案する。
そして,検出された異常の完全性を動的に評価する動的消去戦略を設計する。
論文 参考訳（メタデータ） (2023-12-04T09:40:11Z) - Multimodal Motion Conditioned Diffusion Model for Skeleton-based Video
Anomaly Detection [46.8584162860564]
ビデオ異常検出(VAD)のための新しい生成モデルを提案する。
我々は、骨格表現を考察し、最先端拡散確率モデルを用いて、多モーダルな未来の人間のポーズを生成する。
4つの確立されたベンチマークでモデルを検証します。
論文 参考訳（メタデータ） (2023-07-14T07:42:45Z) - Crowd-level Abnormal Behavior Detection via Multi-scale Motion
Consistency Learning [18.412026838387806]
群集レベルの異常行動(CAB)は多くの群集災害の重大な原因であることが証明されている。
我々は,新しい群集運動学習フレームワーク,マルチスケール運動整合ネットワーク(MSMC-Net)を提案する。
MSMC-Netはまず、グラフ表現における空間的および時間的群集運動一貫性情報をキャプチャする。
同時に、さまざまなスケールで構築された複数の特徴グラフをトレーニングして、リッチな群衆パターンをキャプチャする。
論文 参考訳（メタデータ） (2022-12-01T13:52:32Z) - Audio-visual Representation Learning for Anomaly Events Detection in
Crowds [119.72951028190586]
本稿では,音声と視覚信号の同時モデリングにおけるマルチモーダル学習の活用を試みる。
監視シーンにおける合成音声視覚データセットであるSHADEデータセットについて実験を行った。
音声信号の導入は,異常事象の検出性能を効果的に向上し,他の最先端手法よりも優れることがわかった。
論文 参考訳（メタデータ） (2021-10-28T02:42:48Z) - Using a Neural Network to Detect Anomalies given an N-gram Profile [0.0]
異常検出は、コンピュータプログラムの通常の実行動作をプロファイルするように設計されている。
正常だが観察できない行動は偽陽性を引き起こす可能性がある。
本稿では,ニューラルネットワークを用いた異常の存在を説明する方法について述べる。
論文 参考訳（メタデータ） (2021-04-12T15:40:43Z) - Unsupervised Video Anomaly Detection via Normalizing Flows with Implicit
Latent Features [8.407188666535506]
既存のほとんどのメソッドはオートエンコーダを使用して、通常のビデオの再構築を学ぶ。
本稿では2つのエンコーダが暗黙的に外観と動きの特徴をモデル化する構造である暗黙の2経路AE(ITAE)を提案する。
通常のシーンの複雑な分布については,ITAE特徴量の正規密度推定を提案する。
NFモデルは暗黙的に学習された機能を通じて正常性を学ぶことでITAEのパフォーマンスを高める。
論文 参考訳（メタデータ） (2020-10-15T05:02:02Z) - 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) - Self-trained Deep Ordinal Regression for End-to-End Video Anomaly
Detection [114.9714355807607]
ビデオ異常検出に自己学習深層順序回帰を適用することで,既存の手法の2つの重要な限界を克服できることを示す。
我々は,手動で正規/異常データをラベル付けすることなく,共同表現学習と異常スコアリングを可能にする,エンドツーエンドのトレーニング可能なビデオ異常検出手法を考案した。
論文 参考訳（メタデータ） (2020-03-15T08:44:55Z)
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。