Proponemos un algoritmo para tratar el problema de la detección de sucesos anómalos, que es un tema difícil pero importante en la videovigilancia. El algoritmo consta de un descriptor de imagen y un método de clasificación no lineal en línea. Introducimos la matriz de covarianza del flujo óptico y la intensidad de la imagen como descriptor que codifica la información de movimiento. La máquina de vectores de soporte (SVM) no lineal en línea aprende en primer lugar un conjunto limitado de fotogramas de entrenamiento para proporcionar un modelo de referencia básico y, a continuación, actualiza el modelo y detecta eventos anormales en el fotograma actual. Finalmente, aplicamos el método para detectar eventos anómalos en un conjunto de datos de videovigilancia de referencia para demostrar la eficacia de la técnica propuesta.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Evaluando el Impacto en Tiempo Real de COVID-19 en las Ciudades: China como Estudio de Caso
Artículo:
Optimización del Método de Bloque de un Paso para Resolver Problemas de Valor Inicial Difuso de Segundo Orden
Artículo:
Un sistema electrónico eficiente de subasta inglesa con un mecanismo seguro y preservación de la privacidad
Artículo:
Programas de eStories para Niños con Dificultades de Comunicación Social
Artículo:
Un Protocolo Híbrido de Eficiencia Energética para Redes Ad Hoc Móviles
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Artículo:
Nuevas necesidades cosméticas : tendencias y productos específicos
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.