基于深度学习的异常事件检测

• 作者: 刘鹏飞 王宏君 邓佳 闻佳
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 异常检测 异常分类 深度学习 图像处理 卷积神经网络 特征提取
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 308-313
• 页数: 6页
• 分类号: TP389.1
• 字数: 4191字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.02.013

摘要

面对复杂场景下异常事件检测的准确率偏低的情况,本文提出一种基于深度学习的异常事件检测方法,并将此方法扩展为异常事件分类方法.利用神经网络模型提取特征,将群体发散聚集事件,群体密集聚集事件,群体逃散事件和追赶事件这4种异常事件进行检测和分类.通过PKU-SVD-B测试集对训练出来的模型进行测试实验,并在UMN数据集上与几种方法做了对比实验,验证了本文提出的基于深度学习的异常事件检测算法,在适应多种不同场景的前提下,对多种异常事件检测的准确率很高,表明训练出来的模型对异常事件检测具有极强的泛化能力.