基于監(jiān)控視頻的群體異常檢測.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，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的各個領(lǐng)域，其中人臉識別、步態(tài)識別、異常檢測等關(guān)鍵技術(shù)已經(jīng)被廣泛的應(yīng)用到了機場、火車站、地鐵等重要場所，成為保護社會公共安全的重要手段。群體異常事件檢測作為智能視頻監(jiān)控的首要任務(wù)，其主要工作就是對監(jiān)控視頻中異常事件進行及時準(zhǔn)確的預(yù)警和檢測，來最大可能的減少突發(fā)事故帶來的危害。

2、　　群體異常事件檢測的研究主要分為基本事件表示與檢測模型建立兩個方面。本文主要從這兩個方面來對群體異常事件檢測進行研究，所做的主要工作有以下幾點:
　　(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，這樣就對光流的方向信息進行了分類;然后對各個方向區(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)計余下的大尺度光流信息，計算出各區(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)光流的強度信息;最后統(tǒng)計直方圖構(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，能夠很好的表達視頻中的運動信息。
　　(2)在檢測模型建立方面，本文提出了一個改進的基于稀疏表示的異常檢測模型，稱為基于聚類字典的異常檢測模型。具體做法是:首先由訓(xùn)練樣本學(xué)習(xí)得到一個初始字典和相應(yīng)的系數(shù)矩陣;然后基于

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