تشخیص رویدادهای غیرمعمول در ویدیو مبتنی بر شباهت ساختاری

این مقاله یک روش برای تشخیص رویدادهای غیرمعمول در ویدیو ارائه می دهد. ویدیو به یک مجموعه از تکه های مکعبی تقسیم شده است. یک توصیف کننده جدید برای بازنمایی این تکه ها پیشنهاد شده است. این توصیف کننده مبتنی بر شباهت ساختاری هر تکه با 9 همسایه هایش می باشد. همه تکه های نرمال آموزشی با استفاده از توصیفگر پیشنهاد شده در این مقاله باز نمائی و با استفاده از یک توزیع گوسین یه عنوان مدل مرجع مدل شده اند. در هنگام آزمایش، تکه هایی از ویدیو که بر مدل مرجع منطبق نیستند به عنوان تکه های ناهنجار(غیر معمول) برچسب زده می شوند. ما روش پیشنهادی خود را روی دو مجموعه داده استاندارد UMN و UCSD ارزیابی کرده ایم. کارایی روش پیشنهادی همانند بهترین روش های معرفی شده توسط سایرین است، همچنین روش ما بسیار سریع است.