一种基于脉线流卷积神经网络的人群异常行为检测算法

摘要

在计算机视觉领域,人群异常行为检测技术可以广泛应用于视频监控、智能视频分析、群体行为识别等领域,因此,受到了学者们的广泛关注.由于视频中人群目标具有尺度变化大、透视形变、标注偏置等特点,人群异常行为检测依然是一个具有挑战性的难题.为此,本文提出了一种基于脉线流卷积神经网络的人群异常行为检测方法(streak flow CNN abnormal behavior detection,SFCNN–ABD).SFCNN–ABD是一个双域网络,网络结构由两个深度残差网络作为骨干网络,分别为空域网络和时域网络.其中,空域网络的输入是原始视频帧,提取人群行为的表观特征;时域网络利用脉线流提取人群行为的运动特征,脉线流能更准确地识别场景中的空域和时域变化,因此能进一步提升人群异常行为检测的准确性.所提方法是通过卷积神经网络获取显著的人群行为空域特征,并通过脉线流结合卷积神经网络获取人群行为时域特征;最后,将两个网络的输出求取平均值,完成人群异常行为的检测.在UMN和VIF两个公开基准数据集进行了测试,实验结果表明本文方法的检测准确率优于当前主流算法,验证了本文方法的有效性.