[发明专利]一种视频流异常事件的检测方法及装置

摘要

本申请提供的视频流异常事件的检测方法及装置，将自动编码机堆叠起来构建深度神经网络框架，通过无监督的方式学习外形和运动信息的深度表述特征，设计单分类支持向量机作为正常与异常事件的分类器。为了更好地利用外形和运动信息的互补性，使用了两层信息融合方式来提高分类器的分类能力：前期的特征融合和后期的分类结果融合，两次的融合技术来更好利用外形和运动信息之间的互补性，提高了异常事件检测和定位的准确率。

主权项

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。