[發(fā)明專利]基于全卷積神經(jīng)網(wǎng)絡的群體異常事件檢測方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810382697.1
• 申請日: 2018-04-26
• 公開（公告）號: CN108647592A
• 公開（公告）日: 2018-10-12
• 發(fā)明（設計）人: 李方敏;肖遙;魏洪濤;劉新華;周舟;欒悉道;楊志邦
• 申請（專利權(quán)）人: 長沙學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 武漢臻誠專利代理事務所(普通合伙) 42233
• 代理人: 宋業(yè)斌

1.一種基于全卷積神經(jīng)網(wǎng)絡的群體異常事件檢測方法，其特征在于，包括以下步驟：

(1)從視頻數(shù)據(jù)集中獲取圖像序列，并將該圖像序列輸入卷積神經(jīng)網(wǎng)絡中，以得到圖像序列的卷積特征；

(2)使用特征編碼方法對步驟(1)得到的圖像序列的卷積特征進行降維和編碼處理，以得到圖像序列的二進制卷積特征集合；

(3)根據(jù)步驟(2)得到的圖像序列的二進制卷積特征集合獲得圖像序列的二進制特征直方圖；

(4)根據(jù)步驟(3)得到的圖像序列的二進制特征直方圖獲得該圖像序列中每一幅圖像的異常系數(shù)，該異常系數(shù)用于表示圖像序列中異常事件或行為發(fā)生的可能性；

(5)確定前半段圖像序列中所有圖像的異常系數(shù)中的最大值，并根據(jù)該最大值判斷后半段圖像序列中各幅圖像是否存在異常。

2.根據(jù)權(quán)利要求1所述的群體異常事件檢測方法，其特征在于，視頻數(shù)據(jù)集是明尼蘇達大學數(shù)據(jù)集或者加州大學圣迭戈數(shù)據(jù)集，卷積神經(jīng)網(wǎng)絡是全卷積神經(jīng)網(wǎng)絡。

3.根據(jù)權(quán)利要求1或2所述的群體異常事件檢測方法，其特征在于，全卷積神經(jīng)網(wǎng)絡網(wǎng)絡包括五層卷積層結(jié)構(gòu)，其中第一卷積層的卷積核為11*11*96，再經(jīng)過2×2的最大池化后輸入第二卷積層，第二卷積層的卷積核為5*5*256，再經(jīng)過2×2的最大池化后輸入第三卷積層，第三卷積層的卷積核為3*3*384，第四卷積層的卷積核為3*3*384，第五卷積層的卷積核為3*3*256。

4.根據(jù)權(quán)利要求1至3中任意一項所述的群體異常事件檢測方法，其特征在于，特征編碼方法是ITQ方法。

5.根據(jù)權(quán)利要求1所述的群體異常事件檢測方法，其特征在于，步驟(3)具體為，首先采用以下公式計算當前時刻圖像的二進制卷積特征與當前時刻圖像之前的n幅圖像中每一幅圖像的二進制卷積特征之間的漢明距離，其中n的取值范圍是5到10之間的整數(shù)：

其中b₁、b₂分別表示兩幅圖像的二進制卷積特征，⊕表示按位異或運算，d則是漢明距離。

然后，將得到的n個漢明距離出現(xiàn)的頻次進行統(tǒng)計，從而生成二進制特征直方圖。其橫坐標為漢明距離，縱坐標為該漢明距離所出現(xiàn)的頻次。

6.根據(jù)權(quán)利要求5所述的群體異常事件檢測方法，其特征在于，步驟(4)具體使用以下公式：

其中E表示異常系數(shù)，|Η_t|表示二進制特征直方圖中柱狀圖的數(shù)量，j表示二進制特征直方圖中的第j個柱狀圖，Η_t(j)表示二進制特征直方圖中第j個柱狀圖的縱坐標，Η_t(j_max)表示二進制特征直方圖中的最大縱坐標，||·||₂表示L2范數(shù)正則化。

7.根據(jù)權(quán)利要求6所述的群體異常事件檢測方法，其特征在于，步驟(5)具體為，如果后半段圖像序列中某一幅圖像的異常系數(shù)大于確定的最大值，則說明該圖像存在異常，反之則說明該圖像正常。

8.一種基于全卷積神經(jīng)網(wǎng)絡的群體異常事件檢測系統(tǒng)，其特征在于，包括：

第一模塊，用于從視頻數(shù)據(jù)集中獲取圖像序列，并將該圖像序列輸入卷積神經(jīng)網(wǎng)絡中，以得到圖像序列的卷積特征；

第二模塊，用于使用特征編碼方法對第一模塊得到的圖像序列的卷積特征進行降維和編碼處理，以得到圖像序列的二進制卷積特征集合；

第三模塊，用于根據(jù)第二模塊得到的圖像序列的二進制卷積特征集合獲得圖像序列的二進制特征直方圖；

第四模塊，用于根據(jù)第三模塊得到的圖像序列的二進制特征直方圖獲得該圖像序列中每一幅圖像的異常系數(shù)，該異常系數(shù)用于表示圖像序列中異常事件或行為發(fā)生的可能性；

第五模塊，用于確定前半段圖像序列中所有圖像的異常系數(shù)中的最大值，并根據(jù)該最大值判斷后半段圖像序列中各幅圖像是否存在異常。