基于底層特征的視頻異常事件檢測算法研究與實(shí)現(xiàn).pdf

1、近年來隨著各種公共安全、災(zāi)害監(jiān)測、社會反恐等各類事件的發(fā)生，監(jiān)控視頻在我們的生活中已經(jīng)無處不在，且監(jiān)控視頻的數(shù)據(jù)量也呈爆炸式增長，傳統(tǒng)的通過人工方式去進(jìn)行監(jiān)控視頻的信息處理不僅低效而且很容易漏過可疑目標(biāo)和異常事件?；谶@一原因，監(jiān)控視頻的智能化分析需求已經(jīng)變得越來迫切，如何使用計(jì)算機(jī)對監(jiān)控視頻的內(nèi)容進(jìn)行更為高效的智能化理解已經(jīng)成為近些年來的研究熱點(diǎn)。
　　本文主要對視頻異常事件的檢測進(jìn)行了研究：
　　（1）提出了一種光流宏塊

2、進(jìn)行預(yù)處理的算法：對于視頻底層特征的利用不局限于兩種傳統(tǒng)的處理方式——將像素級別的特征作為單獨(dú)的一個整體或?qū)o預(yù)處理的宏塊特征作為單獨(dú)的一個整體，而是通過對光流宏塊進(jìn)行預(yù)處理優(yōu)化從而使得運(yùn)動一致性較高的像素點(diǎn)作為單獨(dú)的一個整體去表征成光流集合的形式。
　?。?）提出了一種新的基于光流宏塊的統(tǒng)計(jì)特征模型：在光流宏塊的幅度特征的基礎(chǔ)上，創(chuàng)造性的將信息熵理論引入到統(tǒng)計(jì)特征的提取過程中，通過將光流場的方向量化并計(jì)算出光流宏塊的有序系數(shù)，很

3、好的表征出了光流宏塊的相位特征，然后用這兩個特征融合構(gòu)建出光流宏塊的統(tǒng)計(jì)特征。
　　（3）在算法流程框架的設(shè)計(jì)上也做出了創(chuàng)新性的貢獻(xiàn)：在特征訓(xùn)練的機(jī)器學(xué)習(xí)模型選擇方面，充分考慮到基于光流宏塊的統(tǒng)計(jì)特征本身的物理含義，選用高斯混合模型去訓(xùn)練所提取出的光流宏塊統(tǒng)計(jì)特征，使得訓(xùn)練出來的模型更符合異常光流宏塊的異常程度，并基于高斯混合模型對于連續(xù)變量特征更為敏感這一特性，對測試集提取出的光流宏塊統(tǒng)計(jì)特征先進(jìn)行高斯濾波，而后再進(jìn)行異常事件的

4、判定。
　　本文選擇UCSD視頻數(shù)據(jù)庫，UMN視頻數(shù)據(jù)庫，Subway視頻數(shù)據(jù)庫以及U-turn視頻數(shù)據(jù)庫對提出的算法流程框架進(jìn)行測試，實(shí)驗(yàn)結(jié)果表明本文所提出的光流宏塊統(tǒng)計(jì)特征能夠很好地表征出視頻序列中存在的異常事件，從各個視頻數(shù)據(jù)庫中與其它同類算法的量化指標(biāo)AUC和EER的比較中可以看出，本文提出的算法框架不僅具有較強(qiáng)的場景適應(yīng)能力，而且在各個場景中都能有很好的異常事件檢測效果。本文算法一定程度上解決了存在部分遮擋異常事件檢測問