Resumen

La detección de eventos anómalos en vídeo es un problema difícil en el campo del reconocimiento de patrones. Los métodos existentes suelen diseñar los dos pasos de la extracción de características de vídeo y el establecimiento del modelo de detección de anomalías de forma independiente, lo que hace que no se consiga un resultado óptimo. Como solución, se diseña un método basado en una red neuronal de una sola clase (ONN) para la detección de anomalías en vídeo. El método propuesto combina las capacidades de representación de datos capa por capa del autocodificador y las buenas capacidades de clasificación de la ONN. Las características de la capa oculta se construyen para la tarea específica de detección de anomalías, obteniendo así un hiperplano para separar todas las muestras normales de las anormales. Los resultados experimentales muestran que el método propuesto alcanza un AUC de 94,9 y 94,5 niveles de AUC en el subconjunto PED1 y el subconjunto PED2 del conjunto de datos USCD, respectivamente. Además, logra 80 detecciones correctas de eventos en el conjunto de datos Subway. Los resultados confirman la amplia aplicabilidad y el buen rendimiento del método propuesto en entornos industriales y urbanos.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:métodos propuestos, detección de anomalías, nivel auc, campo de reconocimiento de patrones, buena capacidad de clasificación, capacidad de representación de datos, establecimiento de modelo de detección, extracción de características de vídeo, detección de eventos correctos, paso de vídeo
• Keywords:proposed methods, anomalies detection, level auc, pattern recognition field, good classification capabilities, data representation capabilities, detection model establishment, video features extraction, correct events detection, step of video