基于改进字典学习的拥挤人群异常检测方法

摘要

本发明公开了一种基于改进字典学习的拥挤人群异常检测方法，主要解决字典学习过程中没有重点关注典型事件编码的问题，以及相似样本编码差异较大的问题。其实现步骤是：(1)事件特征提取；(2)挖掘训练数据中的典型事件类型；(3)学习训练样本间的关系；(4)构建目标函数，学习字典；(5)在测试视频上检测异常的样本；(6)统计实验结果，计算异常检测算法精度。本发明与现有方法相比，探索了视频数据中潜在的典型事件类型，使学到的字典更适用于特定的视频集，增大了异常事件的可区分性。同时，训练数据的空间信息被有效利用，提高了编码的有效性，并提高了异常检测的精度，可用于公共安全智能管理、军事侦察以及刑侦辅助等领域。