Högskolan i Skövde

his.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • apa-cv
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
An ensemble approach for increased anomaly detection performance in video surveillance data
Högskolan i Skövde, Institutionen för kommunikation och information. Högskolan i Skövde, Forskningscentrum för Informationsteknologi. (Skövde Artificial Intelligence Lab (SAIL))
Högskolan i Skövde, Institutionen för kommunikation och information. Högskolan i Skövde, Forskningscentrum för Informationsteknologi. (Skövde Artificial Intelligence Lab (SAIL))
Högskolan i Skövde, Institutionen för kommunikation och information. Högskolan i Skövde, Forskningscentrum för Informationsteknologi. (Skövde Artificial Intelligence Lab (SAIL))
2009 (Engelska)Ingår i: Proceedings of the 12th International Conference on Information Fusion (FUSION 2009), Seattle, Washington, USA, 6–9 July 2009, IEEE conference proceedings, 2009, s. 694-701Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

The increased societal need for surveillance and the decrease in cost of sensors have led to a number of new challenges. The problem is not to collect data but to use it effectively for decision support. Manual interpretation of huge amounts of data in real-time is not feasible; the operator of a surveillance system needs support to analyze and understand all incoming data. In this paper an approach to intelligent video surveillance is presented, with emphasis on finding behavioural anomalies. Two different anomaly detection methods are compared and combined. The results show that it is possible to best increase the total detection performance by combining two different anomaly detectors rather than employing them independently.

 

Ort, förlag, år, upplaga, sidor
IEEE conference proceedings, 2009. s. 694-701
Nyckelord [en]
anomaly detection, classifier fusion, CCTV, video content analysis, behaviour classification
Nationell ämneskategori
Datavetenskap (datalogi)
Forskningsämne
Teknik
Identifikatorer
URN: urn:nbn:se:his:diva-3413ISI: 000273560000090Scopus ID: 2-s2.0-70449359707ISBN: 978-0-9824438-0-4 (tryckt)OAI: oai:DiVA.org:his-3413DiVA, id: diva2:249226
Konferens
Fusion 2009 : the 12th International Conference on Information Fusion : Grand Hyatt Seattle, Seattle, Washington, USA, 6-9 July, 2009
Tillgänglig från: 2009-10-09 Skapad: 2009-10-09 Senast uppdaterad: 2021-11-17Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Scopushttps://ieeexplore.ieee.org/document/5203886

Person

Brax, ChristofferNiklasson, LarsLaxhammar, Rikard

Sök vidare i DiVA

Av författaren/redaktören
Brax, ChristofferNiklasson, LarsLaxhammar, Rikard
Av organisationen
Institutionen för kommunikation och informationForskningscentrum för Informationsteknologi
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar

isbn
urn-nbn

Altmetricpoäng

isbn
urn-nbn
Totalt: 1123 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • apa-cv
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf