[发明专利]三维卷积神经网络训练方法、视频异常事件检测方法及装置

摘要

本发明实施例涉及视频图像技术领域，尤其涉及一种三维卷积神经网络训练方法、一种基于三维卷积神经网络的视频异常事件检测方法及装置，用以对拥挤人群场景下发生的异常事件进行检测。本发明实施例的方法中三维卷积神经网络正向传递过程中第N组卷积‑采样层中的卷积层上的每个卷积核对第N‑1组卷积‑采样层中的采样层的所有通道的所有特征图的数据进行卷积，由于最后一层卷积层对所有通道的所有特征图的数据进行卷积，从而可提取更具有表达能力的特征，从而可通过这些特征更好地描述拥挤人群场景下发生的异常事件，进而提高异常事件的检测的准确率。

主权项

1.一种三维卷积神经网络的训练方法，其特征在于，包括：三维卷积神经网络中按照正向传递过程依次包含第一组至第N组卷积‑采样层，每组卷积‑采样层中按照正向传递过程包含一个卷积层和一个采样层，第N‑1组卷积‑采样层中的采样层与第N组卷积‑采样层中的卷积层全连接，N>1；所述三维卷积神经网络的训练方法包括：执行正向传递过程，根据所述正向传递过程的输出结果，在所述三维卷积神经网络中执行反向传递过程，以修正所述三维卷积神经网络的模型参数；所述正向传递过程包括：三维卷积神经网络接收待检测视频序列的特征块，针对所述特征块执行异常检测过程，根据待检测视频序列的每个特征块的异常事件检测结果确定所述待检测视频序列是否发生异常事件；其中，所述三维卷积神经网络的模型包括多个通道；第N组卷积‑采样层中的卷积层上的每个卷积核对第N‑1组卷积‑采样层中的采样层的所有通道的所有特征图的数据进行卷积，并将通过卷积所得到的特征图信息输出给第N组卷积‑采样层中的采样层进行采样处理；其中，所述三维卷积神经网络接收待检测视频序列的特征块之前，还包括：对待检测的第i帧至第i+l帧的视频帧序列进行特征提取，并将所述第i帧至第i+l帧的视频帧序列切割为R×C×l的多个特征块；其中，i、l、R、C均为大于1的整数，R和C分别表示特征块的长度和宽度；其中，所述异常事件检测结果中包括异常值概率和正常值概率；所述根据待检测视频序列的每个特征块的异常事件检测结果确定所述待检测视频序列是否发生异常事件，包括：若所述待检测视频序列的特征块中至少有一个特征块满足以下条件，则确定所述待检测视频序列发生异常事件：异常值概率减去正常值概率得到的差值大于设定阈值。