메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Doan Trung Nghia (Seoul National University) Sunwoong Kim (Seoul National University) Vo Le Cuong (Hanoi University of Science and Technology) Hyuk-Jae Lee (Seoul National University)
저널정보
대한전자공학회 IEIE Transactions on Smart Processing & Computing IEIE Transactions on Smart Processing & Computing Vol.5 No.4
발행연도
2016.8
수록면
256 - 266 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Concurrently detected and annotated abnormal events can have a significant impact on surveillance systems. By considering the specific domain of pedestrian trajectories, this paper presents two main contributions. First, as introduced in much of the work on trajectory-based anomaly detection in the literature, only information about pedestrian paths, such as direction and speed, is considered. Differing from previous work, this paper proposes a framework that deals with additional types of trajectory-based anomalies. These abnormal events take places when a person enters prohibited areas. Those restricted regions are constructed by an online learning algorithm that uses surrounding information, including detected pedestrians and background scenes. Second, a simple data-boosting technique is introduced to overcome a lack of training data; such a problem particularly challenges all previous work, owing to the significantly low frequency of abnormal events. This technique only requires normal trajectories and fundamental information about scenes to increase the amount of training data for both normal and abnormal trajectories. With the increased amount of training data, the conventional abnormal trajectory classifier is able to achieve better prediction accuracy without falling into the over-fitting problem caused by complex learning models. Finally, the proposed framework (which annotates tracks that enter prohibited areas) and a conventional abnormal trajectory detector (using the data-boosting technique) are integrated to form a united detector. Such a detector deals with different types of anomalous trajectories in a hierarchical order. The experimental results show that all proposed detectors can effectively detect anomalous trajectories in the test phase.
#Pedestrian detection #Pedestrian tracking #Anomalous trajectory #Superpixel classification #Trajectory Features #Neural network (NN)

목차

Abstract
1. Introduction
2. Related Work
3. Proposed Frameworks
4. Experimental Results
5. Conclusion
References

참고문헌 (15)

참고문헌 신청
[학술지(정기간행물)] - B. T. Morris / 2008 / A survey of visionbased trajectory learning and analysis for surveillance / Circuits and Systems for Video Technology, IEEE Transactions 18 (8) : 1114 ~ 1127 google schola [학술지(정기간행물)] - P. Remagnino / 2007 / Novel concepts and challenges for the next generation of video surveillance systems / Machine Vision and Applications 18 (3) : 135 ~ 137 google schola [학술지(정기간행물)] - M. Shah / 2003 / Understanding human behaviour from motion imagery / Machine Vision and Applications 14 (4) : 210 ~ 214 google schola [학술지(정기간행물)] - W. Hu / 2006 / A system for learning statistical motion patterns / Pattern Analysis and Machine Intelligence, IEEE Transactions 28 (9) : 1450 ~ 1464 google schola [학술지(정기간행물)] - C. Jung / 2008 / Event detection using trajectory clustering and 4-D histograms / Circuits and Systems for Video Technology, IEEE Transactions 18 (11) : 1565 ~ 1575 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2017-569-001123716