視頻群體特征感知與異常檢測研究.pdf

1、隨著城市化進程的不斷加快和人口流動性的增加，社會公共安全問題受到越來越多的人的重視和關(guān)注。視頻異常事件檢測作為智能視頻監(jiān)控應(yīng)用的關(guān)鍵研究課題之一，有助于犯罪、事故、恐怖襲擊等的偵測，對于維護社會公共安全有著重要的意義。本文主要從特征感知和模型異常檢測兩個方面進行深入研究，提出了相應(yīng)的優(yōu)化算法，其具體內(nèi)容如下:
　　在群體異常事件檢測中，群體特征是群體中所有個體的社會性表現(xiàn)，而群體事件中所有個體既表現(xiàn)出一致的社會性又表現(xiàn)出相異的隨機

2、性，因此在群體特征感知過程中需要協(xié)調(diào)個體社會性與隨機性的對立。為此，本文提出一種基于復(fù)合先驗稀疏編碼的群體特征感知算法。在稀疏編碼的基礎(chǔ)上，建立個體社會性與隨機性的統(tǒng)計表征，提出復(fù)合型稀疏先驗描述，認為個體行為符合社會性和隨機性組合的復(fù)合先驗，從而有效地增強群體特征感知的適應(yīng)性，使其特征表示更符合當前復(fù)雜的人群場景。算法通過光流特征提取，復(fù)合先驗稀疏編碼，實現(xiàn)了高效穩(wěn)健的特征描述，并結(jié)合 iHMM(Infinite Hidden Mar

3、kov Model)統(tǒng)計模型完成群體異常事件的檢測。UMN數(shù)據(jù)集和自己構(gòu)造的模擬數(shù)據(jù)集的多個場景實驗結(jié)果表明，該算法在群體異常事件檢測方面具有不錯的檢測率和廣泛的適用性。
　　在基于統(tǒng)計模型的視頻異常檢測中，模型的復(fù)雜度決定對觀測數(shù)據(jù)的描述能力，優(yōu)化統(tǒng)計模型避免數(shù)據(jù)過擬合和欠擬合是一個非常關(guān)鍵的問題。視頻異常事件空時耦合的復(fù)雜性決定了優(yōu)化統(tǒng)計模型不僅要優(yōu)化模型的狀態(tài)維數(shù)，而且要優(yōu)化模型的結(jié)構(gòu)，因此，本文提出一種基于聯(lián)合空時模型的視

4、頻異常檢測算法。聯(lián)合空時模型基于DDP-HMM(Dependent Dirichlet Process-Hidden Markov Model)，在LDA(Latent Dirichlet Allocation)主題特征和HMM狀態(tài)之間建立無向連接，同時優(yōu)化模型狀態(tài)數(shù)目和模型結(jié)構(gòu)，增加模型描述數(shù)據(jù)的能力。整個算法主要分為模型學(xué)習(xí)和異常檢測兩個階段，由于聯(lián)合空時模型是一個環(huán)路模型，在學(xué)習(xí)階段，采用樹重加權(quán)思想，將有環(huán)圖模型轉(zhuǎn)化成iHMM-