JP5647627B2 - 異常パターンの発見 - Google Patents
異常パターンの発見 Download PDFInfo
- Publication number
- JP5647627B2 JP5647627B2 JP2012006989A JP2012006989A JP5647627B2 JP 5647627 B2 JP5647627 B2 JP 5647627B2 JP 2012006989 A JP2012006989 A JP 2012006989A JP 2012006989 A JP2012006989 A JP 2012006989A JP 5647627 B2 JP5647627 B2 JP 5647627B2
- Authority
- JP
- Japan
- Prior art keywords
- trajectory
- training
- learning
- global
- local
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
- Burglar Alarm Systems (AREA)
Description
102:ビデオ・データ入力
103:大域的異常検出モジュール
108、126:学習モデル
110:局所的異常検出信頼度判定値
116:学習軌跡モデル
120:大域的異常検出信頼度判定値
124:融合異常判定
206、302:訓練ビデオ・データ
228:局所的異常判定出力
318:大域的異常判定出力
402:画像フィールド
404、404a、404b:グリッド
406:オブジェクトの軌跡
506、520:他のデバイス
516:コンピュータ・メモリ
520:コンピュータ可読媒体デバイス
522:コンピュータ又は他のプログラム可能デバイス
524:外部I/Oデバイス/リソース
526:コンピュータ・ネットワーク・インフラストラクチャ
532:記憶システム
538:処理ユニット(CPU)
542:命令
601:物品
602:モデル構築器/更新器
604:ビデオ・フィールド分割器
608:局所的グリッド特徴抽出器
610:大域的異常判定器
612:オブジェクト検出追跡器
614:軌跡特徴抽出器
616:局所的異常判定器
618:局所的−大域的判定融合器
Claims (21)
- 異常パターンの発見方法であって、
入力ビデオ・データ画像フィールド内の入力オブジェクトの移動を追跡して入力オブジェクト軌跡を決定するステップであって、入力ビデオ・データ画像フィールドは、マトリックスを規定する複数の異なるグリッドに分割され、入力オブジェクト軌跡は、複数の入力オブジェクト軌跡のグリッドを通過する、ステップと、
入力ビデオ・データの画像フィールドの入力オブジェクト軌跡のグリッドそれぞれから、軌跡に関する大域的な画像特徴及び局所的な画像特徴を抽出するステップと、
抽出された局所的な画像特徴を、グリッドのために定義される正常なパターンの分布又は異常なパターンの分布に適合させる関数として、入力オブジェクト軌跡のグリッドそれぞれについて異常分布検出信頼度判定値を生成するステップと、
正常な軌跡又は異常な軌跡を表す学習軌跡モデルに対する、抽出された大域的な画像特徴のパラメータ化された表現の類似性を導出する関数として、入力オブジェクト軌跡の軌跡類似値を生成するステップと、
追跡されるオブジェクト軌跡を含むグリッドについて、前記生成された異常分布検出信頼度判定値の正規化和を見出すステップと、
前記正規化和及び局所的係数の積と、前記軌跡類似値及び大域的係数の積との動的な重み付きの組み合わせとして、追跡されるオブジェクトの融合異常判定値を決定するステップであって、前記局所的係数及び大域的係数は、学習特徴モデル及び学習軌跡モデルの変動に逆相関する値から動的に求められ、前記局所的係数及び大域的係数の和は1である、ステップと
を含む方法。 - 訓練ビデオ・データの画像フィールドを、マトリックスを規定する複数のグリッドに分割するステップと、
複数のグリッドを介して訓練ビデオの画像フィールド内の訓練オブジェクトを経時的に追跡して、訓練オブジェクトの軌跡を決定するステップと、
分割された訓練ビデオ・データの画像フィールドの各グリッドから、訓練オブジェクト軌跡に関する大域的な訓練ビデオの画像特徴と、局所的な訓練ビデオの画像特徴とを経時的に抽出するステップと、
正常なパターンの分布を表す学習特徴モデルとして、各グリッドにおいて経時的に抽出された局所的な訓練ビデオの画像特徴の主要な分布を定義し、または、異常なパターンの分布を表す学習特徴モデルとして、各グリッドにおいて経時的に抽出された局所的な訓練ビデオの画像特徴の稀な分布を定義するステップと、
正常な軌跡又は異常な軌跡を表す学習軌跡モデルを構築するステップと
をさらに含む、請求項1に記載の方法。 - 異常分布検出信頼度判定値及び軌跡類似値のうちの少なくとも1つは、正常又は異常を示すバイナリ値である、請求項1に記載の方法。
- 前記複数の異なるグリッドは、空間時間領域において画像フィールドをグリッドのマトリックスに分割したものである、請求項1に記載の方法。
- 正常な軌跡又は異常な軌跡を表す学習軌跡モデルに対する、抽出された大域的な画像特徴のパラメータ化された表現の類似性を導出する関数として、入力オブジェクト軌跡の軌跡類似値を生成するステップは、
追跡されるオブジェクト軌跡を、均一の長さを有する複数の追跡されるオブジェクト軌跡トラックに分離するステップと、
2次多項式係数を用いて、前記追跡されるオブジェクト軌跡トラックをモデル化するステップと
を含む、請求項1に記載の方法。 - 学習軌跡モデルを構築するステップは、
訓練ビデオ入力内の訓練オブジェクト軌跡を、均一の長さを有する複数の訓練ビデオ・トラックに分離するステップと、
2次多項式係数を用いて、訓練ビデオ・トラックをモデル化するステップと、
訓練ビデオ・トラックからモデル化された2次多項式係数のクラスタ化されたグループとして、学習軌跡モデルを構築するステップと、
を含む、請求項2に記載の方法。 - 訓練ビデオ入力内で追跡される訓練オブジェクト軌跡の全体を表す順序付けられた多項式係数の組から学習軌跡モデルを構築するステップをさらに含み、
訓練オブジェクト軌跡に関する大域的な訓練ビデオ画像特徴を抽出するステップは、別の順序付けられた多項式係数の組を用いて、前記追跡される訓練オブジェクト軌跡の全体を表すステップを含む、請求項2に記載の方法。 - 訓練ビデオ入力内で追跡される訓練オブジェクト軌跡上の空間時間的特徴点から学習軌跡モデルを構築するステップをさらに含み、
訓練オブジェクト軌跡に関する大域的な訓練ビデオの画像特徴を抽出するステップは、追跡されるオブジェクト軌跡上の空間時間的特徴点を用いて、追跡されるオブジェクト軌跡を表すステップを含む、請求項2に記載の方法。 - 正常なパターンの分布及び異常なパターンの分布を表す学習特徴モデルの少なくとも1つを更新するステップをさらに含み、
学習軌跡モデルは、融合異常判定値の関数として、正常な軌跡又は異常な軌跡を表す、
請求項2に記載の方法。 - プロセッサと、コンピュータ可読メモリと、コンピュータ可読ストレージ媒体とを備えるシステムであって、
前記プロセッサは、前記コンピュータ可読メモリを介して、前記コンピュータ可読ストレージ媒体に保存されたプログラム命令を実行した場合に、
入力ビデオ・データ画像フィールド内の入力オブジェクトの移動を追跡して入力オブジェクト軌跡を決定し、入力ビデオ・データ画像フィールドは、マトリックスを規定する複数の異なるグリッドに分割され、入力オブジェクト軌跡は、複数の入力オブジェクト軌跡のグリッドを通過し、
入力ビデオ・データの画像フィールドの入力オブジェクト軌跡のグリッドそれぞれから、軌跡に関する大域的な画像特徴及び局所的な画像特徴を抽出し、
抽出された局所的な画像特徴を、グリッドのために定義される正常なパターンの分布又は異常なパターンの分布に適合させる関数として、入力オブジェクト軌跡のグリッドそれぞれについて異常分布検出信頼度判定値を生成し、
正常な軌跡又は異常な軌跡を表す学習軌跡モデルに対する、抽出された大域的な画像特徴のパラメータ化された表現の類似性を導出する関数として、入力オブジェクト軌跡の軌跡類似値を生成し、
追跡されるオブジェクト軌跡を含むグリッドについて、前記生成された異常分布検出信頼度判定値の正規化和を見出し、
前記正規化和及び局所的係数の積と、前記軌跡類似値及び大域的係数の積との動的な重み付きの組み合わせとして、追跡されるオブジェクトの融合異常判定値を決定し、
前記局所的係数及び大域的係数は、学習特徴モデル及び学習軌跡モデルの変動に逆相関する値から動的に求められ、前記局所的係数及び大域的係数の和は1である、システム。 - 前記プロセッサはさらに、
追跡されるオブジェクト軌跡を、均一の長さを有する複数の追跡されるオブジェクト軌跡トラックに分離し、
2次多項式係数を用いて、前記追跡されるオブジェクト軌跡トラックをモデル化することにより、
正常な軌跡又は異常な軌跡を表す学習軌跡モデルに対する、抽出された大域的な画像特徴のパラメータ化された表現の類似性を導出する関数として、入力オブジェクト軌跡の軌跡類似値を生成する、請求項10に記載のシステム。 - 前記プロセッサはさらに、
訓練ビデオ・データの画像フィールドを、マトリックスを規定する複数のグリッドに分割し、
複数のグリッドを介して訓練ビデオの画像フィールド内の訓練オブジェクトを経時的に追跡して、訓練オブジェクトの軌跡を決定し、
分割された訓練ビデオ・データの画像フィールドの各グリッドから、訓練オブジェクト軌跡に関する大域的な訓練ビデオの画像特徴と、局所的な訓練ビデオの画像特徴とを経時的に抽出し、
正常なパターンの分布を表す学習特徴モデルとして、各グリッドにおいて経時的に抽出された局所的な訓練ビデオの画像特徴の主要な分布を定義し、または、異常なパターンの分布を表す学習特徴モデルとして、各グリッドにおいて経時的に抽出された局所的な訓練ビデオの画像特徴の稀な分布を定義し、
正常な軌跡又は異常な軌跡を表す学習軌跡モデルを構築する、請求項10に記載のシステム。 - 前記プロセッサはさらに、
訓練ビデオ入力内の訓練オブジェクト軌跡を、均一の長さを有する複数の訓練ビデオ・トラックに分離し、
2次多項式係数を用いて訓練ビデオ・トラックをモデル化し、
訓練ビデオ・トラックからモデル化された2次多項式係数のクラスタ化されたグループとして、学習軌跡モデルを構築することにより、
学習軌跡モデルを構築する、請求項12に記載のシステム。 - 前記プロセッサはさらに、
訓練ビデオ入力内の訓練オブジェクト軌跡の全体を表す順序付けられた多項式係数の組から学習軌跡モデルを構築し、
訓練オブジェクト軌跡に関する大域的な訓練ビデオの画像特徴を抽出することは、別の順序付けられた多項式係数の組を用いて、前記追跡される訓練オブジェクト軌跡の全体を表すことを含む、請求項12に記載のシステム。 - 前記プロセッサはさらに、
前記融合異常判定値の関数として、正常なパターンの分布又は異常なパターンの分布を表す学習特徴モデル、及び正常な軌跡又は異常な軌跡を表す学習軌跡モデルのうちの少なくとも1つを更新する、請求項12に記載のシステム。 - 異常パターンを発見するコンピュータ可読プログラムコードを有し、プロセッサによって実行された場合に、前記プロセッサに対して、
入力ビデオ・データ画像フィールド内の入力オブジェクトの移動を追跡して入力オブジェクト軌跡を決定し、入力ビデオ・データ画像フィールドは、マトリックスを規定する複数の異なるグリッドに分割され、入力オブジェクト軌跡は、複数の入力オブジェクト軌跡のグリッドを通過させ、
入力ビデオ・データの画像フィールドの入力オブジェクト軌跡のグリッドそれぞれから、軌跡に関する大域的な画像特徴及び局所的な画像特徴を抽出させ、
抽出された局所的な画像特徴を、グリッドのために定義される正常なパターンの分布又は異常なパターンを表す学習特徴モデルに適合させる関数として、入力オブジェクト軌跡のグリッドそれぞれについて異常分布検出信頼度判定値を生成させ、
正常な軌跡又は異常な軌跡を表す学習軌跡モデルに対する、抽出された大域的な画像特徴のパラメータ化された表現の類似性を導出する関数として、入力オブジェクト軌跡の軌跡類似値を生成させ、
追跡されるオブジェクト軌跡を含むグリッドについて、前記生成された異常分布検出信頼度判定値の正規化和を見出させ、
前記正規化和及び局所的係数の積と、前記軌跡類似値及び大域的係数の積との動的な重み付きの組み合わせとして、前記追跡されるオブジェクトの融合異常判定値を決定させ、
前記局所的係数及び大域的係数は、学習特徴モデル及び学習軌跡モデルの変動に逆相関する値から動的に求められ、前記局所的係数及び大域的係数の和は1である、プログラム。 - 前記プロセッサに対してさらに
前記追跡されるオブジェクト軌跡を、均一の長さを有する複数の追跡されるオブジェクト軌跡トラックに分離させ、
2次多項式係数を用いて前記追跡されるオブジェクト軌跡トラックをモデル化させることにより、
正常な軌跡又は異常な軌跡を表す学習軌跡モデルに対する、抽出された大域的な画像特徴のパラメータ化された表現の類似性を導出する関数として、入力オブジェクト軌跡の軌跡類似値を生成させる、請求項16に記載のプログラム。 - 前記プロセッサに対してさらに、
訓練ビデオ・データの画像フィールドを、マトリックスを規定する複数のグリッドに分割させ、
複数のグリッドを介して訓練ビデオの画像フィールド内の訓練オブジェクトを経時的に追跡させて、訓練オブジェクトの軌跡を決定させ、
分割された訓練ビデオ・データの画像フィールドの各グリッドから、訓練オブジェクト軌跡に関する大域的な訓練ビデオの画像特徴と、局所的な訓練ビデオの画像特徴とを経時的に抽出させ、
正常なパターンの分布を表す学習特徴モデルとして、各グリッドにおいて経時的に抽出された局所的な訓練ビデオの画像特徴の主要な分布を定義させ、または、異常なパターンの分布を表す学習特徴モデルとして、各グリッドにおいて経時的に抽出された局所的な訓練ビデオの画像特徴の稀な分布を定義させ、
正常な軌跡又は異常な軌跡を表す学習軌跡モデルを構築させる、請求項16に記載のプログラム。 - 前記プロセッサに対してさらに、
訓練ビデオ入力内の訓練オブジェクト軌跡を、均一の長さを有する複数の訓練ビデオ・トラックに分離させ、
2次多項式係数を用いて訓練ビデオ・トラックをモデル化させ、
訓練ビデオ・トラックからモデル化された2次多項式係数のクラスタ化されたグループとして、学習軌跡モデルを構築させることにより、
学習軌跡モデルを構築させる、請求項18に記載のプログラム。 - 前記プロセッサに対してさらに、
訓練ビデオ入力内の訓練オブジェクト軌跡の全体を表す順序付けられた多項式係数の組から学習軌跡モデルを構築させ、
訓練オブジェクト軌跡に関する大域的な訓練ビデオの画像特徴を抽出することは、別の順序付けられた多項式係数の組を用いて、前記追跡される訓練オブジェクト軌跡の全体を表すことを含む、請求項18に記載のプログラム。 - 前記プロセッサに対してさらに、
前記融合異常判定値の関数として、正常なパターンの分布又は異常なパターンの分布を表す学習特徴モデル、及び正常な軌跡又は異常な軌跡を表す学習軌跡モデルのうちの少なくとも1つを更新させる、請求項18に記載のプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/049,032 US8660368B2 (en) | 2011-03-16 | 2011-03-16 | Anomalous pattern discovery |
US13/049032 | 2011-03-16 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2012194967A JP2012194967A (ja) | 2012-10-11 |
JP2012194967A5 JP2012194967A5 (ja) | 2014-08-07 |
JP5647627B2 true JP5647627B2 (ja) | 2015-01-07 |
Family
ID=46828484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012006989A Expired - Fee Related JP5647627B2 (ja) | 2011-03-16 | 2012-01-17 | 異常パターンの発見 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8660368B2 (ja) |
JP (1) | JP5647627B2 (ja) |
Families Citing this family (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9158976B2 (en) * | 2011-05-18 | 2015-10-13 | International Business Machines Corporation | Efficient retrieval of anomalous events with priority learning |
WO2013115202A1 (ja) * | 2012-01-30 | 2013-08-08 | 日本電気株式会社 | 情報処理システム、情報処理方法、情報処理装置およびその制御方法と制御プログラム、通信端末およびその制御方法と制御プログラム |
US9286693B2 (en) * | 2013-02-25 | 2016-03-15 | Hanwha Techwin Co., Ltd. | Method and apparatus for detecting abnormal movement |
US9098749B2 (en) | 2013-03-14 | 2015-08-04 | Xerox Corporation | Dictionary design for computationally efficient video anomaly detection via sparse reconstruction techniques |
CN103679755A (zh) * | 2013-12-20 | 2014-03-26 | 河北汉光重工有限责任公司 | 一种单目标长时间跟踪技术 |
US9684830B2 (en) * | 2014-11-14 | 2017-06-20 | Intel Corporation | Automatic target selection for multi-target object tracking |
JP2016157357A (ja) * | 2015-02-26 | 2016-09-01 | 株式会社日立製作所 | 作業者品質管理方法及び作業者品質管理装置 |
US9551583B1 (en) * | 2015-07-06 | 2017-01-24 | International Business Machines Corporation | Hybrid road network and grid based spatial-temporal indexing under missing road links |
US9654934B2 (en) * | 2015-08-11 | 2017-05-16 | International Business Machines Corporation | Detection of unauthorized wireless personal area network low energy devices |
CN105224912B (zh) * | 2015-08-31 | 2018-10-16 | 电子科技大学 | 基于运动信息和轨迹关联的视频行人检测和跟踪方法 |
WO2017056804A1 (ja) * | 2015-09-29 | 2017-04-06 | 富士フイルム株式会社 | 点検結果検索装置及び方法 |
CN106027931B (zh) * | 2016-04-14 | 2018-03-16 | 平安科技(深圳)有限公司 | 视频录制方法及服务器 |
US11055537B2 (en) * | 2016-04-26 | 2021-07-06 | Disney Enterprises, Inc. | Systems and methods for determining actions depicted in media contents based on attention weights of media content frames |
GB2557920B (en) * | 2016-12-16 | 2020-03-04 | Canon Kk | Learning analytics |
US11721026B2 (en) * | 2017-01-20 | 2023-08-08 | Sony Corporation | Information processing apparatus, information processing method, and information processing system |
JP6772963B2 (ja) * | 2017-06-05 | 2020-10-21 | トヨタ自動車株式会社 | 異常診断装置及び異常診断方法 |
CN107833220B (zh) * | 2017-11-28 | 2021-06-11 | 河海大学常州校区 | 基于深度卷积神经网络与视觉显著性的织物缺陷检测方法 |
JP7051424B2 (ja) * | 2017-12-22 | 2022-04-11 | 株式会社デンソー | 異常検出装置 |
CN108256501A (zh) * | 2018-02-05 | 2018-07-06 | 李刚毅 | 异常运动对象检测系统及其方法 |
EP3557549B1 (de) | 2018-04-19 | 2024-02-21 | PKE Holding AG | Verfahren zur bewertung eines bewegungsereignisses |
CN108960160B (zh) * | 2018-07-10 | 2021-03-09 | 深圳地平线机器人科技有限公司 | 基于非结构化预测模型来预测结构化状态量的方法和装置 |
CN109086709B (zh) * | 2018-07-27 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 特征提取模型训练方法、装置及存储介质 |
CN109410496B (zh) * | 2018-10-25 | 2022-04-01 | 北京交通大学 | 入侵预警方法、装置及电子设备 |
CN111258874B (zh) * | 2018-11-30 | 2023-09-05 | 中国移动通信集团浙江有限公司 | 一种基于web数据的用户操作轨迹分析方法及装置 |
CN110245669B (zh) * | 2019-05-15 | 2024-02-02 | 平安科技(深圳)有限公司 | 手掌关键点的识别方法、装置、终端及可读存储介质 |
CN110232082B (zh) * | 2019-06-13 | 2022-08-30 | 中国科学院新疆理化技术研究所 | 面向连续时空加油数据的异常检测方法 |
CN110795266A (zh) * | 2019-10-25 | 2020-02-14 | 北京达佳互联信息技术有限公司 | 一种上报软件异常的方法、装置、电子设备及存储介质 |
CN111126195B (zh) * | 2019-12-10 | 2023-03-14 | 郑州轻工业大学 | 基于场景属性驱动和时空域显著性的异常行为分析方法 |
US20230125890A1 (en) * | 2020-03-27 | 2023-04-27 | Hitachi Kokusai Electric Inc. | Image analysis system, image analysis method, and image analysis program |
CN111767802B (zh) * | 2020-06-05 | 2024-02-06 | 京东科技控股股份有限公司 | 一种对象异常状态的检测方法和装置 |
CN111784728B (zh) * | 2020-06-29 | 2023-08-22 | 杭州海康威视数字技术股份有限公司 | 轨迹处理方法、装置、设备及存储介质 |
CN112329815B (zh) * | 2020-09-30 | 2022-07-22 | 华南师范大学 | 模型训练方法、行驶轨迹异常性检测方法、装置和介质 |
US11204931B1 (en) * | 2020-11-19 | 2021-12-21 | International Business Machines Corporation | Query continuous data based on batch fitting |
CN112465869B (zh) * | 2020-11-30 | 2023-09-05 | 杭州海康威视数字技术股份有限公司 | 一种轨迹关联方法、装置、电子设备及存储介质 |
CN113032236B (zh) * | 2021-04-01 | 2021-12-21 | 农夫铺子发展集团有限公司 | 应用于人工智能和云计算的业务行为处理方法及服务器 |
CN113255518B (zh) * | 2021-05-25 | 2021-09-24 | 神威超算(北京)科技有限公司 | 一种视频异常事件检测方法和芯片 |
CN113591547A (zh) * | 2021-06-15 | 2021-11-02 | 阿里云计算有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN113627051B (zh) * | 2021-07-23 | 2024-01-30 | 中国地质科学院地球物理地球化学勘查研究所 | 一种重力异常场分离方法、系统、存储介质和电子设备 |
CN113762121B (zh) * | 2021-08-30 | 2024-07-19 | 北京金山云网络技术有限公司 | 一种动作识别方法及装置、电子设备及存储介质 |
CN114743300B (zh) * | 2021-12-09 | 2024-07-05 | 全民认证科技(杭州)有限公司 | 基于行为大数据模型的门禁访问控制方法及系统 |
GB2620629A (en) * | 2022-07-15 | 2024-01-17 | Sony Europe Bv | A device, computer program and method |
CN116613895B (zh) * | 2023-07-21 | 2023-10-31 | 国网天津市电力公司信息通信公司 | 一种智能电网电力数据异常检测方法和系统 |
CN118115822B (zh) * | 2024-04-29 | 2024-07-02 | 江西师范大学 | 一种基于图像块特征级联检索模型的异常检测方法及系统 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08167022A (ja) * | 1994-12-12 | 1996-06-25 | Toshiba Corp | 画像監視装置 |
US6459808B1 (en) * | 1999-07-21 | 2002-10-01 | Mitsubishi Electric Research Laboratories, Inc. | Method for inferring target paths from related cue paths |
US6801656B1 (en) * | 2000-11-06 | 2004-10-05 | Koninklijke Philips Electronics N.V. | Method and apparatus for determining a number of states for a hidden Markov model in a signal processing system |
WO2004014061A2 (en) * | 2002-08-02 | 2004-02-12 | University Of Rochester | Automatic soccer video analysis and summarization |
US7200266B2 (en) * | 2002-08-27 | 2007-04-03 | Princeton University | Method and apparatus for automated video activity analysis |
US7418128B2 (en) * | 2003-07-31 | 2008-08-26 | Microsoft Corporation | Elastic distortions for automatic generation of labeled data |
US8589315B2 (en) * | 2004-08-14 | 2013-11-19 | Hrl Laboratories, Llc | Behavior recognition using cognitive swarms and fuzzy graphs |
US7801328B2 (en) | 2005-03-31 | 2010-09-21 | Honeywell International Inc. | Methods for defining, detecting, analyzing, indexing and retrieving events using video image processing |
US8005294B2 (en) * | 2006-11-29 | 2011-08-23 | The Mitre Corporation | Cursive character handwriting recognition system and method |
US8189905B2 (en) * | 2007-07-11 | 2012-05-29 | Behavioral Recognition Systems, Inc. | Cognitive model for a machine-learning engine in a video analysis system |
US8131010B2 (en) * | 2007-07-30 | 2012-03-06 | International Business Machines Corporation | High density queue estimation and line management |
TWI389089B (zh) * | 2007-10-04 | 2013-03-11 | Chimei Innolux Corp | 液晶驅動方法以及裝置 |
JP5041229B2 (ja) * | 2007-12-07 | 2012-10-03 | ソニー株式会社 | 学習装置および方法、認識装置および方法、並びにプログラム |
EP2299368B1 (en) * | 2008-05-01 | 2017-09-06 | Japan Science and Technology Agency | Audio processing device and audio processing method |
US8249301B2 (en) * | 2008-08-28 | 2012-08-21 | International Business Machines Corporation | Video object classification |
US8165349B2 (en) * | 2008-11-29 | 2012-04-24 | International Business Machines Corporation | Analyzing repetitive sequential events |
US8280153B2 (en) * | 2009-08-18 | 2012-10-02 | Behavioral Recognition Systems | Visualizing and updating learned trajectories in video surveillance systems |
US8170283B2 (en) * | 2009-09-17 | 2012-05-01 | Behavioral Recognition Systems Inc. | Video surveillance system configured to analyze complex behaviors using alternating layers of clustering and sequencing |
US8610766B2 (en) * | 2010-09-24 | 2013-12-17 | International Business Machines Corporation | Activity determination as function of transaction log |
US9158976B2 (en) * | 2011-05-18 | 2015-10-13 | International Business Machines Corporation | Efficient retrieval of anomalous events with priority learning |
-
2011
- 2011-03-16 US US13/049,032 patent/US8660368B2/en not_active Expired - Fee Related
-
2012
- 2012-01-17 JP JP2012006989A patent/JP5647627B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US20120237081A1 (en) | 2012-09-20 |
JP2012194967A (ja) | 2012-10-11 |
US8660368B2 (en) | 2014-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5647627B2 (ja) | 異常パターンの発見 | |
US10614316B2 (en) | Anomalous event retriever | |
Li et al. | Crowded scene analysis: A survey | |
DK2596630T3 (en) | Tracking apparatus, system and method. | |
CN108229456B (zh) | 目标跟踪方法和装置、电子设备、计算机存储介质 | |
Lamba et al. | Crowd monitoring and classification: a survey | |
Wang et al. | Tweeting cameras for event detection | |
Lim et al. | Crowd saliency detection via global similarity structure | |
Nawaratne et al. | Incremental knowledge acquisition and self-learning for autonomous video surveillance | |
KR102028930B1 (ko) | 움직임 정보를 이용한 인공지능 학습기반의 이동객체 영상 분류처리 방법 | |
JP2013161295A (ja) | ラベル付加装置、ラベル付加方法及びプログラム | |
WO2022113439A1 (ja) | データ解析装置、データ解析方法 | |
CN112820071A (zh) | 一种行为识别方法和装置 | |
Shukla et al. | A survey on image mining, its techniques and application | |
CN110969645A (zh) | 面向拥挤场景的无监督异常轨迹检测方法和装置 | |
Farooq et al. | Motion estimation of high density crowd using fluid dynamics | |
Dogra et al. | Scene representation and anomalous activity detection using weighted region association graph | |
Yang et al. | Anomalous behavior detection in crowded scenes using clustering and spatio-temporal features | |
CN115619245A (zh) | 一种基于数据降维方法的画像构建和分类方法及系统 | |
WO2022113453A1 (ja) | 異常検知装置、異常検知方法 | |
Raghavendra et al. | Anomaly detection in crowded scenes: A novel framework based on swarm optimization and social force modeling | |
CN113743293A (zh) | 跌倒行为检测方法、装置、电子设备及存储介质 | |
Singh et al. | Chaotic whale-atom search optimization-based deep stacked auto encoder for crowd behaviour recognition | |
JP2014182585A (ja) | 画像解析装置、画像解析方法および画像解析プログラム | |
Wong et al. | Collective interaction filtering approach for detection of group in diverse crowded scenes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140528 |
|
RD12 | Notification of acceptance of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7432 Effective date: 20140603 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20140604 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140623 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20140623 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20140722 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140729 |
|
RD14 | Notification of resignation of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7434 Effective date: 20140804 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140813 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20141021 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141107 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5647627 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |