[发明专利]一种视频流异常事件的检测方法及装置

权利要求书

1.一种视频流异常事件的检测方法，其特征在于，包括：

将训练样本集输入至深度学习神经网络，学习得到所述深度学习神经网络的模型参数，得到训练后的深度学习神经网络；其中，所述深度学习神经网络包括：堆叠在一起的多个自动编码器机，所述训练样本集为多个训练样本的集合，所述训练样本提取自训练图像；

根据所述训练样本，分别学习出所述训练样本的外形信息特征参数、运动信息特征参数以及所述外形信息和所述运动信息的联合特征参数；

采用支持向量机学习方法，分别对所述训练图像的外形信息特征参数、运动信息特征参数以及所述外形信息和所述运动信息的联合特征参数进行学习，对应构建出三个单分类支持向量机模型；

将待测的视频流图像预先分成若干个预设大小的待测图像块，将所述待测图像块输入至所述训练后的深度学习神经网络，分别学习出所述待测图像块的外形信息特征参数、运动信息特征参数以及所述外形信息和所述运动信息的联合特征参数；

将所述待测图像块的外形信息特征参数、运动信息特征参数以及所述外形信息和所述运动信息的联合特征参数分别输入至所述三个单分类支持向量机模型，对应计算得到所述图像块的三类异常信息的得分；

将所述三类异常信息的得分做加权求和，计算得到所述图像块的异常事件得分；

判断所述异常事件得分是否大于阈值，若是，则判定所述图像块为异常事件。

2.如权利要求1所述的视频流异常事件的检测方法，其特征在于，所述训练样本为图像块的外形信息特征，所述将训练样本输入至深度学习神经网络包括：

使用若干个不同尺寸的滑动窗口对训练图像进行滑动采样，得到多个不同尺寸的训练图像块；

将所述多个不同尺寸的图像块缩放到尺寸为w_a×h_a×c_a大小的图像块；其中，w_a和h_a是图像片段的宽度和高度，c_a是图像颜色的通道数目；

将尺寸为w_a×h_a×c_a大小的图像块归一化至[0,1]，得到所述训练样本并输入至深度学习神经网络。

3.如权利要求1所述的视频流异常事件的检测方法，其特征在于，所述训练样本为图像块的运动信息特征，所述将训练样本输入至深度学习神经网络包括：

使用预设尺寸的窗口在图像中滑动采集光流块其中，w_m和h_m是光流块的宽度和高度，c_m是图像颜色的通道数目；

将尺寸为w_m×h_m×c_m大小的光流块归一化至区间[0,1]，得到所述训练样本并输入至深度学习神经网络。

4.如权利要求1所述的视频流异常事件的检测方法，其特征在于，所述训练样本为图像块的外形信息和所述运动信息的联合特征，所述将训练样本输入至深度学习神经网络包括：

从同一训练图像的同一位置上采集w_a×h_a×c_a大小的图像块以及采集光流块其中，w_a和h_a是图像片段的宽度和高度，c_a是图像颜色的通道数目，w_m和h_m是光流块的宽度和高度，c_m是图像颜色的通道数目；

将所述w_a×h_a×c_a大小的图像块以及采集光流块输入至深度学习神经网络。