Resumen

Proponemos un algoritmo para tratar el problema de la detección de sucesos anómalos, que es un tema difícil pero importante en la videovigilancia. El algoritmo consta de un descriptor de imagen y un método de clasificación no lineal en línea. Introducimos la matriz de covarianza del flujo óptico y la intensidad de la imagen como descriptor que codifica la información de movimiento. La máquina de vectores de soporte (SVM) no lineal en línea aprende en primer lugar un conjunto limitado de fotogramas de entrenamiento para proporcionar un modelo de referencia básico y, a continuación, actualiza el modelo y detecta eventos anormales en el fotograma actual. Finalmente, aplicamos el método para detectar eventos anómalos en un conjunto de datos de videovigilancia de referencia para demostrar la eficacia de la técnica propuesta.

• Materias:Ingeniería electrónica Radares Codificación de video Sistemas de comunicación Procesamiento de datos
• Subjects:Electronic engineering Radars Video Coding Communication systems Data processing
• Palabras claves:sucesos anormales, conjunto de datos de videovigilancia de referencia, máquina no lineal de vectores de soporte en línea, método de clasificación no lineal en línea, modelo básico de referencia, algoritmo, matriz de covarianza, fotograma actual, descriptor de imagen, intensidad de imagen
• Keywords:abnormal events, benchmark video surveillance dataset, nonlinear online support vector machine, online nonlinear classification method, basic reference model, algorithm, covariance matrix, current frame, image descriptor, image intensity