[發(fā)明專利]一種基于黎曼流形特征和LSTM網(wǎng)絡(luò)相結(jié)合的交通異常事件檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110040380.1
• 申請(qǐng)日: 2021-01-13
• 公開(kāi)（公告）號(hào): CN112733734A
• 公開(kāi)（公告）日: 2021-04-30
• 發(fā)明（設(shè)計(jì)）人: 夏利民;李振民
• 申請(qǐng)（專利權(quán)）人: 中南大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06T7/246;G06T7/269
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于黎曼流形特征和LSTM網(wǎng)絡(luò)相結(jié)合的交通異常事件檢測(cè)方法，其特征在于，所述方法包括以下步驟：

在訓(xùn)練階段，使用正常監(jiān)控視頻作為訓(xùn)練集，將視頻幀劃分為若干不重疊的子區(qū)域，對(duì)相同位置不同時(shí)刻的每個(gè)子區(qū)域提取HOG和HOF特征，其中HOG將作為子區(qū)域的外觀特征，HOF將作為子區(qū)域的運(yùn)動(dòng)特征，相同位置不同時(shí)刻的特征將用來(lái)求解特征的流形表示；同時(shí)，相同位置處不同時(shí)刻的特征將用于訓(xùn)練一個(gè)單層單方向的LSTM網(wǎng)絡(luò)，用于預(yù)測(cè)當(dāng)前時(shí)刻該區(qū)域的特征；而且，預(yù)測(cè)的特征也將使用同種方法得到預(yù)測(cè)特征的流形表示，LSTM網(wǎng)絡(luò)的訓(xùn)練目標(biāo)為使得預(yù)測(cè)的HOG、HOF特征以及特征的流形表示與實(shí)際的HOG、HOF特征以及特征的流形表示足夠接近；

在測(cè)試階段，將測(cè)試視頻按同樣的方式劃分為不重疊的子區(qū)域，同樣提取測(cè)試樣本的HOG和HOF特征，求解相同位置不同歷史時(shí)刻特征組成的流形表示；并將歷史時(shí)刻同一位置不同時(shí)刻的特征送入訓(xùn)練好的LSTM網(wǎng)絡(luò)的各個(gè)時(shí)間步中，預(yù)測(cè)當(dāng)前時(shí)刻該區(qū)域的特征，并構(gòu)成預(yù)測(cè)特征的流形表示，最終對(duì)當(dāng)前區(qū)域計(jì)算異常得分，判斷當(dāng)前區(qū)域是否包括異常事件。

2.根據(jù)權(quán)利要求1所述的基于黎曼流形特征和LSTM網(wǎng)絡(luò)相結(jié)合的交通異常事件檢測(cè)方法，其特征在于，所述的提取HOG和HOF作為視頻幀子區(qū)域外觀特征和運(yùn)動(dòng)特征的步驟表示為：

為了計(jì)算HOG特征，首先計(jì)算當(dāng)前子區(qū)域每個(gè)像素的梯度大小和方向，然后根據(jù)每個(gè)像素的梯度方向劃分到若干個(gè)統(tǒng)計(jì)窗口內(nèi)，在本方法中劃分為16個(gè)統(tǒng)計(jì)窗口內(nèi)。

3.根據(jù)權(quán)利要求1所述的基于黎曼流形特征和LSTM網(wǎng)絡(luò)相結(jié)合的交通異常事件檢測(cè)方法，其特征在于，所述的不同時(shí)刻的特征的流形表示的計(jì)算方法的步驟表示為：

取同一位置連續(xù)N時(shí)刻的子區(qū)域所提取的特征組成矩陣L∈R^K×N；假定N個(gè)特征之間的距離在原始流形中的距離矩陣為D∈R^N×N，可以找到一個(gè)低維矩陣Z∈R^M×N表示特征矩陣L；對(duì)特征矩陣L執(zhí)行去中心化后使用迪杰斯特拉算法得到距離矩陣D，假設(shè)第i個(gè)特征和第j個(gè)特征在原始流形中的距離為dist[i,j]，而在Z中為||z_i-z_j||，其中z_i為Z中的第i行的元素；為保證降維后特征點(diǎn)之間的相對(duì)位置不發(fā)生變化，有：

dist[i,j]＝||z_i-z_j||

令B＝Z^TZ，則可得：

可得：

(1)

(2)

(3)

最后可得：

對(duì)B進(jìn)行奇異值分解，并取前q個(gè)特征值和特征向量得：B^*＝V^*Λ^*1/2Λ^*1/2V^*T＝Z^*Z^*T；得到降維后的Z^*＝Λ^*1/2V^*T，Z^*中的每一列對(duì)應(yīng)了一個(gè)時(shí)刻某個(gè)子區(qū)域的HOG特征或者HOF特征在低維空間上的映射。