成果介绍
提出了一种基于行为减法的视频异常检测研究的方法。与传统的视频异常检测方法相比，该方法不需要先对目标进行标签，识别，归类和跟踪。因此，需要的计算量和内存消耗较少，实时性更好。
一般情况下，基于物理世界中的事件都是时空相关的，我们的方法很好的利用了事件的时空特性。我们在动态特征检测的预处理基础上，直接在像素点上进行操作。在训练阶段，对每一个像素点，我们先建立一个时空共生模型。通过建模，计算正常事件概率；然后在检测阶段，采用相同的模型，将计算获得的概率值经过阈值比较的方法， 确定该点是否为异常。通过实验证实，我们的方法在视频异常检测中具有高效性，并且可以应用在很多场合。
基于行为减法的视频异常检测应用场景图片
