TY -的A2 -兰格,Jose Carlos盟——刘Ting盟——张Chengqing AU -王,李明PY - 2021 DA - 2021/10/20 TI -综合多尺度的外观特性和运动信息预测网络异常检测SP - 6789956六世- 2021 AB - video-prediction算法的兴起在很大程度上促进了异常检测的发展为智能城市和公共安全视频监控。然而,大多数当前的方法依赖于single-scale信息提取外观(空间)的特性和缺乏运动(时间)视频帧之间的连续性。这可能会导致失去部分时空信息,拥有巨大的潜力来预测未来框架,影响异常检测的准确性。因此,我们提出一种新颖的预测网络提高异常检测的性能。由于各种尺度的对象在每个视频,我们使用不同的接受域提取详细的外观特性的混合扩张卷积(HDC)模块。与此同时,更深层次的双向卷积长期短期记忆(DB-ConvLSTM)模块还记得连续帧之间的运动信息。此外,我们使用RGB差损失来取代光学流损失时间约束,大大降低了光流的时间提取。在异常检测任务较先进的方法,实验证明我们的方法可以更准确地检测异常在不同的视频监控场景。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/6789956 - 10.1155 / 2021/6789956摩根富林明计算智力和神经科学PB - Hindawi KW - ER