基于稀疏編碼的群體異常行為檢測.pdf

1、隨著世界范圍內(nèi)人口的膨脹和城市的發(fā)展,出現(xiàn)了越來越多人群密集的公共場所。這些場所在提供人們生活便利的同時,也為犯罪活動提供了地點。因此,公共安全是全世界面臨的一個刻不容緩的問題。視頻監(jiān)控作為控制公共場所犯罪行為的主要手段,正在被越來越廣泛地應(yīng)用。由于人會疲勞而且不能及時注意到整個場景中的每個細節(jié),因此使用技術(shù)手段實時地分析監(jiān)控視頻并發(fā)現(xiàn)異常成為了計算機視覺領(lǐng)域興起的一個研究熱點。
　　針對群體場景異常行為檢測,在近幾年世界頂級的國

2、際會議和期刊上,相繼有許多相關(guān)的模型和算法被提出。與此同時,也出現(xiàn)了幾個專門針對群體場景異常行為的公共數(shù)據(jù)集。雖然目前研究人員已經(jīng)做出了大量的工作,但取得的效果仍然存在很多不足,特別是在人群密集、出現(xiàn)遮擋等情況下,檢測的性能仍然有很多有待提高的空間。
　　在本文中,基于稀疏編碼理論,我們提出了一個新穎的方法。該方法通過局部稀疏表示來計算動態(tài)顯著度信息,從而對群體場景下的異常行為進行檢測。與現(xiàn)有的其它基于稀疏編碼的方法不同,本方法不

3、需要通過學(xué)習(xí)來得到字典,而是通過使用目標區(qū)域的周圍區(qū)域作為基函數(shù)對目標區(qū)域進行稀疏表示。我們使用該表示所得到的殘差來衡量運動目標的受關(guān)注程度。
　　此外,為了能更好地反映出現(xiàn)實生活中的情況,我們提出了如下假設(shè):活動越激烈或越混亂,發(fā)生異常行為的可能性也越大。根據(jù)此假設(shè),我們設(shè)計了兩個屬性:活動強度屬性及活動關(guān)注度屬性,并分別設(shè)計出了兩個量化算法對這兩個屬性進行量化表示。
　　為了驗證本文所提出方法的性能,我們在兩個公共數(shù)據(jù)集