[发明专利]基于深度字典学习的人群异常检测方法

说明书

本发明公开了基于深度字典学习的人群异常检测方法，对人群视频序列的每一帧图像进行尺度缩放，根据三个不同尺度形成一个三层图像金字塔；对金字塔的每一层图像进行时空立方体采样，提取空间上不重叠区域的三维梯度特征；对每一层视频序列，将同一空间区域上连续5帧的三维梯度特征叠加在一起，组成一个三维时空梯度特征；建立基于深度字典的人群异常检测模型；建立深度字典学习模型，即对带有非线性激活的深层字典学习问题，建立目标函数；采用贪婪法进行逐层训练学习，其中，第一层和中间层采用稠密特征，最后一层采用稀疏特征；最后进行异常检测；本发明克服了传统的字典学习只利用浅层特征信息，提高人群异常检测的准确率。

技术领域

本发明属于信息处理技术领域，涉及一种人群异常检测方法，尤其涉及一种基于深度字典学习的人群异常检测方法。

背景技术

视频序列异常事件检测是计算机视觉中一个重要的研究课题,已被广泛应用,如人群监控、公共场所检测、交通安全和个人行为异常。其目的是采用智能监控技术从视频数据中的绝大多数正常事件中检测到少量异常事件，并及时发出警报以便于做好相关措施。人群异常事件检测就是从监控视频中发现与平常不同的事件，并发出警报。

面对海量的视频数据,传统的有监督标记异常事件方法需要耗费大量的人力和物力。因此，无监督的视频序列异常检测方法是该领域的研究焦点。虽然关于异常事件检测的研究在特征提取、行为建模和异常措施等方面已经取得了很大的进展，但是视频序列异常事件检测仍然是一个非常具有挑战性的任务。

首先，异常事件具有不确定性，即没有精确的定义，不同场景下异常不同。有两种常见的异常行为识别方法，一种是异常行为模式聚类，不足之处在于没有足够的先验知识来描述异常行为模式；另一种是建立概率模型，将发生率低的检测样本作为异常行为，异常行为检测依赖于正常模式的定义和特征的多尺度变化。其次，拥挤场景中的异常检测具有挑战性。需要考虑密集场景中的运动目标的状态，不仅数目多、运动复杂，目标间还会出现重叠和遮挡。近些年来异常检测的发展主要分为以下两方面：

一是基于事件表示的方法，表示方法分为基于高层语义特征的方法和基于低层次特征的方法。最常见的高层语义特征就是目标时空轨迹，基于目标轨迹的方法可以清晰地表示目标某时某刻的空间状态，但却不适用与目标间相互遮掩和相互作用的拥挤场景。基于低层次特征的方法是通过提取视频序列中像素级别的运动特征和形态特征来表示事件，能够详细刻画目标局部运动，适用于拥挤场景，但其固有的高噪声问题也不可避免。

二是基于模型学习的方法，即从训练数据集中学习正常事件模式。主流方法包括动态贝叶斯网络(Dynamic Bayesian Networks，DBNs)，概率主题模型(Probability ThemeModels,PTMs)和稀疏表示模型。在DBNs中，随着检测目标的增加，隐马尔可夫模型(HiddenMarkov Model，HMM)和马尔可夫随机场(Markov Random Field，MRF)会成几何级数地提高建模代价，导致这些模型不足以处理密集的场景。与DBNs相比，PTMs只关注空间上共生的视觉单词，却忽略了特征的时序信息，使得概率主题模型不能在时空上定位异常事件，如偏最小二乘分析(Partial Least Square Analysis，PLSA)和线性判别分析(LinearDiscriminate Analysis，LDA)等。目前常用的是稀疏表示模型，该方法的核心思想是通过学习一组过完备基，使得训练样本在这组基上的重构误差非常小。其不足之处在于，大多数的稀疏表示模型都是针对浅层字典学习，没有充分挖掘数据的深层特征。

近年来，深度学习由于其充分挖掘数据的信息，在很多领域得到了有效的应用。因此，本发明结合深度学习思想，提出了一种基于深度字典的人群异常检测方法，该方法将矩阵进行多层分解，有效挖掘数据中的深度信息。此外，应用贪婪方法对深度矩阵进行学习，有效解决了深度字典学习复杂、求解参数多等问题。其结果表明，基于深度字典学习的人群异常检测方法在一定程度上提升了检测精度。

发明内容