摘要: 随着安防需求的日益增长,人群异常行为检测已经成为计算机视觉的研究热点。人群异常行为检测旨在对监控视频中行人的行为进行建模和分析,区分出人群中的正常行为和异常行为,及时发现灾难和意外事件。文中对基于深度学习的人群异常行为检测算法进行了梳理总结。首先,针对人群异常行为检测任务及其现状进行介绍;其次,重点探讨卷积神经网络、自编码网络和生成对抗网络在人群异常行为检测任务中的研究进展;然后,列举该领域常用的数据集,并比较和分析了深度学习方法在UCSD行人数据集上的性能;最后,总结人群异常行为检测的任务难点,并对该领域的未来发展趋势进行了展望。

http://www.jsjkx.com/CN/10.11896/jsjkx.201100015

成为VIP会员查看完整内容
44

相关内容

专知会员服务
44+阅读 · 2021年8月28日
专知会员服务
46+阅读 · 2021年6月26日
专知会员服务
39+阅读 · 2021年5月30日
专知会员服务
79+阅读 · 2021年5月27日
专知会员服务
117+阅读 · 2021年4月29日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
45+阅读 · 2020年12月4日
专知会员服务
106+阅读 · 2020年10月27日
基于深度学习的表面缺陷检测方法综述
专知会员服务
92+阅读 · 2020年5月31日
基于深度学习的数据融合方法研究综述
专知
27+阅读 · 2020年12月10日
时空序列预测方法综述
专知
18+阅读 · 2020年10月19日
基于深度学习的单目深度估计综述
CVer
4+阅读 · 2020年10月6日
基于深度学习的多标签生成研究进展
专知
4+阅读 · 2020年4月25日
「中文文献」目标跟踪算法综述
专知
3+阅读 · 2019年7月25日
基于深度学习的视频目标检测综述
CVer
7+阅读 · 2019年6月9日
人体骨骼关键点检测综述
极市平台
21+阅读 · 2018年6月29日
AI综述专栏 | 步态识别的深度学习综述
人工智能前沿讲习班
29+阅读 · 2018年6月27日
Arxiv
0+阅读 · 2021年11月21日
Fashion Meets Computer Vision: A Survey
Arxiv
5+阅读 · 2020年3月31日
Fast AutoAugment
Arxiv
5+阅读 · 2019年5月1日
Arxiv
3+阅读 · 2019年3月29日
Learning From Positive and Unlabeled Data: A Survey
Arxiv
4+阅读 · 2018年11月12日
Arxiv
5+阅读 · 2018年1月14日
VIP会员
相关VIP内容
专知会员服务
44+阅读 · 2021年8月28日
专知会员服务
46+阅读 · 2021年6月26日
专知会员服务
39+阅读 · 2021年5月30日
专知会员服务
79+阅读 · 2021年5月27日
专知会员服务
117+阅读 · 2021年4月29日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
45+阅读 · 2020年12月4日
专知会员服务
106+阅读 · 2020年10月27日
基于深度学习的表面缺陷检测方法综述
专知会员服务
92+阅读 · 2020年5月31日
相关资讯
基于深度学习的数据融合方法研究综述
专知
27+阅读 · 2020年12月10日
时空序列预测方法综述
专知
18+阅读 · 2020年10月19日
基于深度学习的单目深度估计综述
CVer
4+阅读 · 2020年10月6日
基于深度学习的多标签生成研究进展
专知
4+阅读 · 2020年4月25日
「中文文献」目标跟踪算法综述
专知
3+阅读 · 2019年7月25日
基于深度学习的视频目标检测综述
CVer
7+阅读 · 2019年6月9日
人体骨骼关键点检测综述
极市平台
21+阅读 · 2018年6月29日
AI综述专栏 | 步态识别的深度学习综述
人工智能前沿讲习班
29+阅读 · 2018年6月27日
相关论文
Arxiv
0+阅读 · 2021年11月21日
Fashion Meets Computer Vision: A Survey
Arxiv
5+阅读 · 2020年3月31日
Fast AutoAugment
Arxiv
5+阅读 · 2019年5月1日
Arxiv
3+阅读 · 2019年3月29日
Learning From Positive and Unlabeled Data: A Survey
Arxiv
4+阅读 · 2018年11月12日
Arxiv
5+阅读 · 2018年1月14日
微信扫码咨询专知VIP会员