基于深度学习和稀疏组合的异常事件检测方法

• 作者: 齐华青
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 深度学习 稀疏表示 稀疏组合学习 异常事件检测 特征提取
• 年，卷（期）: 2019,（20）
• 所属期刊栏目: 理论与算法
• 页码范围: 88-93
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1902940

摘要

异常事件检测是智能视频监控中一个重要研究方向,在安防领域具有广泛应用前景.针对现有异常事件检测系统准确率低、特征提取困难、检测速度难以满足实际需求等问题,提出一种基于深度时空特征和稀疏组合学习的异常检测方法.该方法采用三维卷积网络对待处理视频的时序特征和空间特征进行深度学习,更好地利用视频中的时序信息提取运动特征,从而将检测准确率提高到93.7％.最后,采用稀疏组合学习利用提取得到的特征检测事件的异常,在异常事件数据库AVENUE和SUBWAY上对该方法进行了实验,在检测准确率和检测速度方面与现有方法进行了对比,40～55 FPS的检测速度完全达到实时检测要求,实验结果表明了该方法的有效性.