基于贝叶斯融合的时空流异常行为检测模型

图共 7个表共 1个

图 1 基于贝叶斯融合的时空流异常行为检测整体框架

Figure 1.
图 2 空间流卷积网络模型各层参数尺寸

Figure 2.
图 3 Conv-LSTM编码-解码过程

Figure 3.
图 4 基于贝叶斯的时空流融合图

Figure 4.
图 5 重构图显示

Figure 5.
图 6 可视化规则分数图

Figure 6.
图 7 UCSD Ped1和Ped2数据库基于规则分数的ROC曲线

Figure 7.

方法	UCSD Ped1			UCSD Ped2
方法	EER	AUC		EER	AUC
MPPCA+SF^[16]	32.0	74.2		36.0	61.3
HOFME^[19]	33.1	72.7		20.0	87.5
Conv-AE^[9]	27.9	76.8		21.7	90.0
ConvLSTM-AE^[20]	N/A	75.5		N/A	88.1
Unmasking^[21]	N/A	68.4		N/A	82.2
Stack RNN^[22]	N/A	N/A		N/A	92.2
BFSTS(间隔/连续采样)	28/27.9	76.5/77.8		16.0/13.0	92.7/94.7

表 1 基于规则分数的帧级别下的EER和AUC比较(%)