基于監(jiān)控視頻的群體異常檢測(cè).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，傳統(tǒng)的視頻監(jiān)控技術(shù)得到了不斷革新，智能化已成為視頻監(jiān)控的必然趨勢(shì)，受到了人們的普遍關(guān)注和認(rèn)可。近年來，智能視頻監(jiān)控逐漸滲透到了社會(huì)的各個(gè)領(lǐng)域，其中人臉識(shí)別、步態(tài)識(shí)別、異常檢測(cè)等關(guān)鍵技術(shù)已經(jīng)被廣泛的應(yīng)用到了機(jī)場(chǎng)、火車站、地鐵等重要場(chǎng)所，成為保護(hù)社會(huì)公共安全的重要手段。群體異常事件檢測(cè)作為智能視頻監(jiān)控的首要任務(wù)，其主要工作就是對(duì)監(jiān)控視頻中異常事件進(jìn)行及時(shí)準(zhǔn)確的預(yù)警和檢測(cè)，來最大可能的減少突發(fā)事故帶來的危害。

2、　　群體異常事件檢測(cè)的研究主要分為基本事件表示與檢測(cè)模型建立兩個(gè)方面。本文主要從這兩個(gè)方面來對(duì)群體異常事件檢測(cè)進(jìn)行研究，所做的主要工作有以下幾點(diǎn):
　　(1)在基本事件表示方面，本文主要研究基于底層視覺特征的事件表示，并提出了新的顯著性光流直方圖特征描述符，具體的操作是:首先對(duì)視頻圖像塊提取光流信息（即光流矢量），并將其劃分到不同的方向區(qū)間，這樣就對(duì)光流的方向信息進(jìn)行了分類;然后對(duì)各個(gè)方向區(qū)間分別設(shè)置閾值，并舍棄幅值小于閾值的光流

3、，只統(tǒng)計(jì)余下的大尺度光流信息，計(jì)算出各區(qū)間內(nèi)光流數(shù)值之和，這樣就得到了不同方向區(qū)間內(nèi)光流的強(qiáng)度信息;最后統(tǒng)計(jì)直方圖構(gòu)成特征，作為該圖像塊的特征描述符。該特征描述符通過對(duì)光流尺度閾值的靈活設(shè)置，將光流信息劃分的更加具體，能夠很好的表達(dá)視頻中的運(yùn)動(dòng)信息。
　　(2)在檢測(cè)模型建立方面，本文提出了一個(gè)改進(jìn)的基于稀疏表示的異常檢測(cè)模型，稱為基于聚類字典的異常檢測(cè)模型。具體做法是:首先由訓(xùn)練樣本學(xué)習(xí)得到一個(gè)初始字典和相應(yīng)的系數(shù)矩陣;然后基于

4、系數(shù)矩陣對(duì)初始字典進(jìn)行聚類形成多個(gè)子字典，并對(duì)各個(gè)子字典進(jìn)行優(yōu)化得到多字典組合，其中每一個(gè)子字典代表一類正常事件;最后，根據(jù)測(cè)試樣本在多字典組合下的重構(gòu)誤差來判斷是否為異常樣本。該模型的主要改進(jìn)是提出了聚類字典學(xué)習(xí)算法，它將傳統(tǒng)的一個(gè)過完備字典轉(zhuǎn)換為多個(gè)子字典，這樣在檢測(cè)階段，對(duì)于給定樣本，只需找出最適合的子字典并計(jì)算測(cè)試樣本在該子字典下的重建誤差，即可判斷出測(cè)試樣本是否異常。
　　(3)本文通過在兩個(gè)公共數(shù)據(jù)集上的實(shí)驗(yàn)分別對(duì)所提