AED-Net——异常事件检测网络

• 作者: Guangcun Shan Hichem Snoussi Tian Wang Yi Zhou Yuxin Chen Zichen Miao
• 来源期刊: 工程（英文）
• 关键词: 异常事件检测 异常事件检测网络 主成分分析网络 核主成分分析
• 年，卷（期）: 2019,（5）
• 页码范围: 930-939,中插132-中插143
• 页数: 11页
• 字数: 8250字
• 语种: 英文

摘要

长期以来,在拥挤场景中检测异常事件都是一项具有挑战性的任务.为解决这一问题,本文提出了一种名叫异常事件检测网络(AED-Net)的自监督框架,它由主成分分析网络(PCANet)和核主成分分析(kPCA)组成.该框架以不同场景的监控视频序列为原始数据,通过训练PCANet以提取人群情况的高级语义.kPCA可作为一种单类分类器,被用于识别场景中的异常事件.与目前流行的一些深度学习方法相比,该框架完全是自监督的,因为它只使用正常情况下的视频序列.通过对明尼苏达大学公共监测人类活动数据集(UMN数据集)和加州大学圣地亚哥分校监测异常数据集(UCSD数据集)进行全局和局部异常事件进行检测发现,与其他最先进的方法相比,该方法具有更好的等误差率(EER)和曲线下面积(AUC).此外,通过增加局部响应归一化(LRN)层,我们对原有的AED-Net进行了改进.结果表明,该改进版在提高框架的泛化能力方面表现出更好的性能.