基于在線自適應(yīng)字典學(xué)習(xí)的視頻異常事件檢測(cè)技術(shù)研究.pdf

1、近年來(lái)，基于稀疏表示的異常事件檢測(cè)成為計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)研究熱點(diǎn)，該方法通常要使用正常樣本離線訓(xùn)練一個(gè)字典，然后對(duì)待檢測(cè)的樣本進(jìn)行稀疏表示。其主要問(wèn)題在于：一方面，實(shí)際應(yīng)用環(huán)境中的場(chǎng)景與事件是不斷變化的，離線訓(xùn)練的模型并不能很好地適應(yīng)這種變化，通常會(huì)降低檢測(cè)準(zhǔn)確率。另一方面，為了使字典具有較好的表示性，字典的規(guī)模往往比較大，在進(jìn)行稀疏表示時(shí)耗時(shí)長(zhǎng)，會(huì)大大降低檢測(cè)速度。針對(duì)上述問(wèn)題，本課題研究了一種基于在線自適應(yīng)字典學(xué)習(xí)的異常事件檢測(cè)算

2、法，主要的研究?jī)?nèi)容包括：
　　提出了一種在線自適應(yīng)字典學(xué)習(xí)算法。在線性體現(xiàn)在該算法采用單步迭代的方式進(jìn)行字典的更新，字典的學(xué)習(xí)速度快。自適應(yīng)性體現(xiàn)在該算法在進(jìn)行字典更新的過(guò)程中，會(huì)將字典中向量基對(duì)當(dāng)前視頻數(shù)據(jù)的活躍度考慮在內(nèi)，保證字典具有較好的表示性能。在字典的學(xué)習(xí)過(guò)程中，提出了權(quán)重矩陣的更新策略以及字典的在線更新策略。通過(guò)權(quán)重矩陣的更新策略可以對(duì)字典中的向量基對(duì)視頻數(shù)據(jù)的活躍度進(jìn)行更新，而在字典在線更新的過(guò)程中，利用向量基對(duì)當(dāng)前

3、視頻數(shù)據(jù)的活躍度，保證字典中的向量基始終與視頻數(shù)據(jù)的變化保持一致。因此，通過(guò)該字典學(xué)習(xí)算法得到的字典具有更好的自適應(yīng)性，字典規(guī)?？s小的同時(shí)，保持有較好的表示性。
　　將在線自適應(yīng)字典學(xué)習(xí)算法應(yīng)用到異常事件檢測(cè)當(dāng)中，提出了基于在線自適應(yīng)字典學(xué)習(xí)的異常事件檢測(cè)算法。使用在線自適應(yīng)字典學(xué)習(xí)算法得到的字典規(guī)模較小，進(jìn)行稀疏表示所耗費(fèi)的時(shí)間少，保證該異常事件檢測(cè)算法具有較快的檢測(cè)速率。同時(shí)，該算法在異常事件檢測(cè)的過(guò)程中，采用在線更新字典的方