复杂环境中一种基于深度学习的异常检测方法

摘要：

为了解决复杂环境中异常检测的问题,提出一种基于深度学习的检测方法.首先,通过引入(you only look once,YO-LO)检测,将卷积神经网络回归法提取的物体时空特征,输入到长短期记忆模型(LSTM),追踪复杂环境中个体的运动轨迹.然后,评估相邻个体间运动轨迹的依赖性.最后,采用编码-解码框架训练LSTM模型,预测物体未来的运动轨迹;根据物体未来运动轨迹的异常概率,最终完成异常检测.实验结果表明,解决了复杂环境中运动物体间的相互干扰问题;在时间和空间鲁棒性评估上,优于其他轨迹追踪的方法,从而证明了本方法的有效性和可行性.

关键词：深度学习、卷积神经网络、循环神经网络、长短期记忆模型、编码-解码框架

所属期刊栏目：18

分类号：TP183(自动化基础理论)

资助基金：南京工程学院校级科研青年基金QKJA201603;南京工程学院引进人才科研启动基金YKJ201614

在线出版日期：2018-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：231-234