24、视频监控与高光谱图像分析中的异常与变化检测技术

视频监控与高光谱图像分析中的异常与变化检测技术

在当今的科技领域，视频监控中的异常检测以及高光谱图像的变化检测都具有至关重要的意义。视频监控异常检测有助于及时发现监控场景中的异常行为，保障公共安全；而高光谱图像变化检测则能帮助我们监测地理环境、资源等方面的变化。接下来，我们将详细探讨这两个领域的相关技术和方法。

视频监控中的异常检测

在视频异常检测模型中，不同的注意力层和特征组合会产生不同的效果。以下是各种组合的对比分析：
| 方法 | 特征 | AUC |
| — | — | — |
| MIL + LSTM | I3D | 89.0 |
| MIL + LSTM | Videoswin | 96.6 |
| RTFM + LSTM | I3D | 89.0 |
| RTFM + LSTM | Videoswin | 96.6 |
| MIL + CBAM | I3D | 88.0 |
| MIL + CBAM | Videoswin | 96.9 |
| RTFM + CBAM | I3D | 87.5 |
| RTFM + CBAM | Videoswin | 96.2 |
| RTFM + No attention | I3D | 91.0 |
| RTFM + No attention | Videoswin | 97.1 |
| 提出的模型 | Videoswin | 97.9 |

从表格中可以看出，使用Videoswin特征时，模型的AUC值普遍较高。而提出的模型在使用Videoswin特征时，AUC达到了97.9，表现最佳。