基于深度时空卷积神经网络的人群异常行为检测和定位

• 作者: 余进 杨丽 童秀迟 胡学敏 陈钦
• 来源期刊: 计算机应用研究
• 关键词: 人群异常行为检测 深度时空卷积神经网络 迁移学习 数据扩充
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 图形图像技术
• 页码范围: 891-895
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.09.0671

摘要

针对公共场合人群异常行为检测准确率不高和训练样本缺乏的问题,提出一种基于深度时空卷积神经网络的人群异常行为检测和定位的方法.首先针对监控视频中人群行为的特点,综合利用静态图像的空间特征和前后帧的时间特征,将二维卷积扩展到三维空间,设计面向人群异常行为检测和定位的深度时空卷积神经网络;为了定位人群异常行为,将视频分成若干子区域,获取视频的子区域时空数据样本,然后将数据样本输入设计的深度时空卷积神经网络进行训练和分类,实现人群异常行为的检测与定位.同时,为了解决深度时空卷积神经网络训练时样本数量不足的问题,设计一种迁移学习的方法,利用样本数量多的数据集预训练网络,然后在待测试的数据集中进行微调和优化网络模型.实验结果表明,该方法在UCSD和subway公开数据集上的检测准确率分别达到了99％和93％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡学敏	湖北大学计算机与信息工程学院	18	77	4.0	8.0
2	童秀迟	湖北大学计算机与信息工程学院	5	4	1.0	2.0
3	杨丽	湖北大学计算机与信息工程学院	12	9	2.0	2.0
4	陈钦	湖北大学计算机与信息工程学院	3	6	1.0	2.0
5	余进	湖北大学计算机与信息工程学院	2	0	0.0	0.0