視頻異常事件檢測算法研究.pdf

1、智能視頻監(jiān)控利用計算機視覺等技術(shù)對監(jiān)控內(nèi)容進行理解與分析，在平安城市建設(shè)中發(fā)揮著不可替代的作用。作為智能視頻監(jiān)控的一項重要內(nèi)容，視頻異常事件檢測能夠自動發(fā)現(xiàn)監(jiān)控場景中的異常行為并作出預警，有效地幫助安全人員處理突發(fā)事件。本文針對日常生活場景中如人行道上開車、地鐵站逃票和廣場上人群恐慌等異常事件，提出了兩種新穎的視頻異常事件檢測算法。
　　第一種算法融合運動信息和外觀信息實現(xiàn)視頻異常事件檢測。針對運動異常檢測，我們采用排序光流直方圖

2、來統(tǒng)計正常運動模式的分布并提出“攔截直條”的概念來辨別異常運動;針對外觀異常檢測，我們利用支持向量數(shù)據(jù)描述在特征空間中尋找包含盡可能多正常樣本的體積最小的超球，并利用觀測樣本到超球球心的距離來判斷其是否異常。最后我們提出新的基于證據(jù)理論的融合方法將動作和外觀異常結(jié)果進行融合，得到準確率更高的異常事件檢測結(jié)果。
　　第二種算法采用局部敏感哈希濾波來檢測視頻中的異常事件。我們利用局部敏感哈希函數(shù)將訓練數(shù)據(jù)集映射到一系列哈希桶中，對于新

3、的測試樣本，我們將其投影到測試哈希桶中并尋找距離最近的訓練哈希桶，根據(jù)測試樣本對最近訓練哈希桶的濾波響應來計算其異常程度。此外，我們提出哈希投影的評價函數(shù)，并采用粒子群算法來尋找最優(yōu)的哈希映射函數(shù)，提高異常事件檢測的效率和準確率。
　　本文算法在三個公開的異常事件檢測庫上進行了評測，并與其他9種經(jīng)典算法分別進行了定量比較。實驗結(jié)果表明，本文算法能夠有效檢測不同場景中的異常行為，在ROC曲線、AUC值、檢測率、相等錯誤率和誤報率等評