一种基于脉线流卷积神经网络的人群异常行为检测算法

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和卷积神经网络的人群异常行为检测方法(Streak Flow CNN Abnormal Behavior Detection,简称SFCNN-ABD)。SFCNN-ABD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。SFCNN-ABD是一个双流网络,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,空间域网络的输入是原始视频帧,提取人群行为的表观特征,而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,因而能进一步提升人群异常行为检测的准确性。最后将两个网络的输出进行融合,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性能优于当前主流算法,验证了本文方法的有效性。