[发明专利]基于域迁移的公共场所异常行为检测方法

说明书

本发明涉及一种基于域迁移的公共场所异常行为检测方法，利用虚拟世界的模拟创建出大量虚拟异常时间视频，解决了异常事件的多样性但是数据不足的问题，又用域迁移的方法将虚拟数据迁移到真实情况下，提高分类检测网络在正式监控视频中的适应性，有效提升训练网络的可用性。

技术领域

本发明属于计算机视觉，视频监控领域。针对视频监控的公共场所，检测出视频当中发生的如打架、逃散等异常行为。

背景技术

如今遍及城市公共区域的摄像头每时每刻都在产生无数的监控视频，如果可以通过自动化的方法对采集到的视频进行异常行为的检测，那么这对于公共安全事件的发生具有极强的预防作用。但是由于异常行为的发生频率远小于正常行为发生的频率，以及异常行为的多样性，使得异常事件的检测变得非常困难。

目前公共场所中异常行为的检测方法有两种：第一种是R.Mehran等人在文献“R.Mehran,A.Oyama,and M.Shah,Abnormal crowd behavior detection using socialforce model,Computer Vision and Pattern Recognition,2009.CVPR 2009.IEEEConference on,pp.935-942,2009.”中提出的基于社会力模型的方法，它将行人看作一个个的移动点，将人与人之间的交互看作点与点之间的作用力，通过发现异常的粒子移动来检测视频中的异常行为。

第二种方法是基于光流法的方法，例如“Y.Yu,W.Shen,H.Huang,and Z.Zhang,Abnormal event detection in crowded scenes using two sparse dictionaries withsaliency,Journal of Electronic Imaging,vol.26,no.3,pp.033013,2017.”中提出的方法，通过结合多尺度光流直方图和多尺度梯度直方图来获取一种行人的表面与动作特征，在传统的只包含正常特征的稀疏模型中加入异常特征构建字典。此外，将测试样本的显著性与正常字典和异常字典上的稀疏重构代价相结合，测量测试样本的正常程度。

这些方法都有其局限性，粒子点模型并不能捕捉人物的动作特征，基于光流的特征字典并不能保证所有异常行为均能存在于字典当中。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于域迁移的公共场所异常行为检测方法。

技术方案

一种基于域迁移的公共场所异常行为检测方法，其特征在于步骤如下：

步骤1：利用已有的虚拟图像产品生成虚拟异常数据，虚拟异常数据包括不同的异常类别和正常类别数据，各个类别的数据数量相同；

步骤2：使用步骤1生成的虚拟异常数据训练视频分类网络，得到一个虚拟异常数据分类网络；

步骤3：利用生成的虚拟异常数据和采集的真实数据，训练域迁移网络，获得虚拟异常视频数据对应的真实域视频数据；所述的域迁移网络为改进的cycle-GAN，改进方法：将cycle-GAN网络中，所有的2D卷积结构，都改为面向视频数据的3D卷积结构，3D卷积结构的计算方法为：

其中P、Q、R分别表示上一层网络输出的特征图的长宽高，m表示上已成网络输出的特征图数量。最终计算得到在该卷积模块W下，下一层网络中对应的特征图V，b为偏移量，i，j第i层第j个3d卷积结构，x，y，z长宽高上的坐标值；

步骤4：利用步骤3得到的真实域异常数据对步骤2得到的虚拟异常数据分类网络进行进一步分类训练，训练过程和步骤2相同，从而得到真实域的异常视频分类网络；