深度自编码与自更新稀疏组合的异常事件检测算法

• 作者: 王倩倩 苗夺谦 张远健
• 来源期刊: 智能系统学报
• 关键词: 深度学习 稀疏组合 自动编码器 自更新 异常事件检测 卷积神经网络 无监督学习 稀疏学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 吴文俊人工智能科学技术奖论坛|Forum of Recipients of Wu Wenjun Artificial Intelligence Science and Technologyl Award
• 页码范围: 1197-1203
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11992/tis.202007003

摘要

基于深度学习的异常检测算法输入通常为视频帧或光流图像,检测精度和速度较低.针对上述问题,提出了一种以运动前景块为中心的卷积自动编码器和自更新稀疏组合学习(convolutional auto-encoders and self-updating sparse combination learning,CASSC)算法.首先,采用自适应混合高斯模型(gaussian mixture model,GMM)提取视频前景,并以滑动窗口的方式根据前景像素点占比过滤噪声;其次,构建3个卷积自动编码器提取运动前景块的时空特征;最后,使用自更新稀疏组合学习对特征进行重构,依据重构误差进行异常判断.实验结果表明,与现有算法相比,该方法不仅有效地提高了异常事件检测的准确性,且可以满足实时检测需求.