时空深度特征AP聚类的稀疏表示视频异常检测算法

摘要：

针对异常行为检测问题,提出基于时空深度特征的AP聚类稀疏表示视频异常检测方法.由于视频序列中大量背景信息及有效信息分布不均匀的情况,首先利用光流结合非均匀的细胞分割对视频的运动目标进行提取并得到空间尺寸大小不同的时空兴趣块.其次利用三维卷积神经网络提取不同时空兴趣块的时空深度特征从而对原始视频序列进行三维描述.然后在字典学习时,采用AP聚类方法,将训练样本中具有代表性的特征作为字典,极大降低字典维度以及稀疏表示方法对计算内存的要求.本文将测试样本进行AP聚类后仅对具有代表性的聚类中心进行检测,在减少实验时间的同时削减了阈值对检测效果的敏感度.实验结果表明,与现有的检测方法相比本文方法具有优越性.

关键词：异常检测、三维卷积神经网络、时空兴趣块、时空深度特征、AP聚类、稀疏表示

所属期刊栏目：35

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目61771420;河北省自然科学基金面上项目F2016203422

在线出版日期：2019-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：386-395