[发明专利]用于监控系统的异常事件检测方法

权利要求书

1.一种用于监控系统的异常事件检测方法，其特征在于：其包括

以下步骤：

S1、图像处理：在异常事件模型训练之前，进行图像预处理以及图像增强处理，以便将各种待检测的异常事件特征进行凸显，并将处理好的数据按照7:3的比例分为训练集和测试集；

S2、模型训练：用所述处理好的训练集进行异常事件模型训练,首先进行异常事件模型初始化，然后设计网络结构，初始化网络参数，根据异常事件模型的训练要求，增加批归一化和Dropout训练技巧模块，最终获得训练好的异常事件检测模型；

S3、异常事件检测：用测试集对所述训练好的模型进行异常事件检测，最后将检测的结果可视化在测试集上。

2.根据权利要求1所述的用于监控系统的异常事件检测方法，其特征在于：在所述步骤S1中的图像处理具体包括以下子步骤：

S11数据预处理：将视频集解析成视频帧图像，然后进行ROI处理、下采样处理和光流处理；

S12数据筛选:将数据集中无事件的图像过滤掉，保留有意义的图像，具体方法为通过像素之间的比对，首先求得向量的模长，然后计算内积，通过内积进行像素比对，得到无事件的图像，所述无事件的图像像素较空，图像内积较小；

S13数据增强:筛选出优质训练集之后，将筛选出的图像进行图像翻转变换，图像反射变换以及图像椒盐噪声处理，扩充训练集数量。

3.根据权利要求2所述的用于监控系统的异常事件检测方法，其特征在于：S11具体包括以下步骤：

①进行ROI处理：基于的原视频帧大小是1920*1080，通过多次场景分析，最终确定提取ROI设置的大小为700*700；首先定义一个700*700像素全为0的三通道目的图像Image1，然后在原视频帧中，指定适当位置，用原视频图像与Image1图像作“与”操作之后，获得的区域图像作为最终的ROI图像区域；

②直接将ROI处理之后的图像送到神经网络中去训练，在获取ROI图像区域之后又对其进行下采样处理：先定义一个指定大小像素全为0的三通道目的图像Image2，然后，采用最近邻插值算法，将图像下采样到指定尺寸；

③在进行ROI和下采样处理之后，给训练图像引入了运动信息，进行光流处理，用来捕获运动信息。

4.根据权利要求2所述的用于监控系统的异常事件检测方法，其特征在于：S13具体包括以下步骤：

①图翻转变换：将原坐标点(x₀,y₀)顺时针旋转a度之后，得到坐标(x^*,y^*)，如果原坐标为x₀＝rcosb,y₀＝rsinb，其中，r表示原坐标点到坐标轴原点(0,0)的距离，b表示原坐标点到原点的直线与x轴的夹角，则翻转变化之后的像素点的坐标为

x^*＝rcosb-a＝rcosbcosa+rsinbsina＝x₀cosa+y₀sina，

y^*＝rsinb-a＝rsinbcosa-rcosbsina＝-x₀sina+y₀cosa；

②图像反射变换：变换前的一个坐标点为(x,y)，则变换后的坐标x^*＝width-x-1 y^*＝y；其中，width表示图像的宽度；

③椒盐噪声处理：椒盐噪声中一个重要的参数为信噪比D，一般情况D的取值范围为[0,1]，指定信噪比，且获取了整个图像的像素数目M之后，计算加噪的像素数目；设加噪的像素数目为N，则N＝M*(1-D)，之后在原图中随机找到这N个像素点，将这N个像素点置225或者置0。