کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4946859 1439558 2017 31 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Abnormal crowd motion detection using double sparse representation
ترجمه فارسی عنوان
تشخیص حرکت غیر عادی با استفاده از نمایندگی دو ضلعی
کلمات کلیدی
رویداد غیر عادی، تجزیه و تحلیل جمعیت، نمایندگی انحصاری، فرهنگ لغت به روز رسانی،
ترجمه چکیده
روش نمایش نزولی به طور گسترده ای در منطقه تشخیص حرکت غیر عادی استفاده می شود تا به دقت نمایش حرکات جمعیت با ویژگی های با ابعاد بالا را نشان دهد. برای غلبه بر فقدان نمونه های آموزشی و دستیابی به تشخیص دقیق تر، یک روش نمایش دوتایی با استفاده از فرآیند به روز رسانی فرهنگ لغت پیشنهاد شده است. روش پیشنهادی با استفاده از دو دسته بندی طبقه بندی نمایشی که هر کدام برای هر نمونه تست قضاوت جداگانه ای ارائه می دهند. انتگرال فازی نیز برای تشخیص هر نوع اختلال در یک نمونه استفاده می شود. نتایج آزمایشات انجام شده در مجموعه داده های مختلف نشان می دهد که روش پیشنهادی دقت بالاتر از روش های پیشرفته در تشخیص رویدادهای غیر عادی محلی و جهانی را به دست می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
تشخیص حرکت غیر عادی با استفاده از نمایندگی دو ضلعی
چکیده انگلیسی
The sparse representation method is widely used in the area of abnormal crowd motion detection to accurately represent the crowd motions with high dimension features. To overcome its lack of training samples and achieve more accurate detection, a double sparse representation method with a dynamic dictionary updating process is proposed. The proposed method utilizes two sparse representation classifiers that each gives a separate judgment for every test sample. Fuzzy integral is also employed to detect any abnormality in a sample. The results of experiments conducted on various datasets show that the proposed method achieves higher accuracy than state-of-the-art methods in local and global abnormal events detection.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 269, 20 December 2017, Pages 3-12
نویسندگان
, , , ,