高级检索

  • ISSN 1006-3080
  • CN 31-1691/TQ
引用本文:
Citation:

基于HOG3D描述器与稀疏编码的异常行为检测方法

    通讯作者: 朱煜, zhuyu@ecust.edu.cn
  • 基金项目: 国家自然科学基金(61271349)
    中央高校基本科研业务费专项资金(WH1214015)

  • 中图分类号: TP181

Abnormal Behavior Detection Using Sparse Coding and HOG3D Descriptor

    Corresponding author: ZHU Yu, zhuyu@ecust.edu.cn ;
  • CLC number: TP181

  • 摘要: 提出了一种基于稀疏编码理论的视频异常行为检测方法,并使用HOG3D空-时描述器表征视频序列的形态及运动信息。首先,从正常视频序列中提取空-时兴趣点,获得其特征向量作为训练样本。通过K-SVD字典训练算法构建过完备字典,使得正常样本在所构建字典上的表达具有很好的稀疏性。在稀疏编码过程中,按视频段读取测试视频序列,求解特征信息在字典上的关于其稀疏系数的凸优化问题,然后根据稀疏编码改进公式求得重构误差数值。最后的判断阶段,计算视频段的相对重构误差,相对重构误差为正表明为异常视频段,否则为正常视频段。在UMN数据库3个场景及Weizmann数据库上进行实验,验证了本文算法的有效性。将实验拓展到现实监控视频中,结果表明本文方法在实践中同样具有较好的应用价值。
  • [1] ADAM A,RIVLIN E,SHIMSHONI I,et al.Robust real-time unusual event detection using multiple fixed-location monitors[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2008,30(3):555-560.
    [2] KIM J,GRAUMAN K.Observe locally,infer globally:A space-time MRF for detecting abnormal activities with incremental updates[C]//2009 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2009). Miami,Florida,USA:IEEE,2009:2921-2928.
    [3] KRATZ L,NISHINO K.Anomaly detection in extremely crowded scenes using spatio-temporal motion pattern models[C]//2009 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2009). Miami,Florida,USA: IEEE,2009:1446-1453.
    [4] MEHRAN R,OYAMA A,SHAH M.Abnormal crowd behavior detection using social force model[C]//2009 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2009).Miami,Florida,USA: IEEE,2009:935-942.
    [5] LAPTEV I.On space-time interest points[J].International Journal of Computer Vision,2005,64(2/3):107-123.
    [6] DOLLÁR P,RABAUD V,COTTRELL G,et al.Behavior recognition via sparse spatio-temporal features[C]//2nd Joint IEEE International Workshop on Visual Surveillance and Performance Evaluation of Tracking and Surveillance,2005.USA: IEEE,2005:65-72.
    [7] BLANK M,GORELICK L,SHECHTMAN E,et al.Actions as space-time shapes[C]//Tenth IEEE International Conference on Computer Vision2005,ICCV 2005.Beijing:IEEE,2005,2:1395-1402.
    [8] HELBING D,MOLNAR P.Social force model for pedestrian dynamics[J].Physical Review E,1995,51(5):4282.
    [9] KLASER A,MARSZAŁEK M,SCHMID C.A spatio-temporal descriptor based on 3d-gradients[C]//BMVC 2008-19th British Machine Vision Conference.UK: British Machine Vision Association,2008,275:1-10.
    [10] WILLEMS G,TUYTELAARS T,VAN GOOL L.An efficient dense and scale-invariant spatio-temporal interest point detector[M]//10th European Conference on Computer Vision.Marseille.France:Springer Berlin Heidelberg,2008:650-663.
    [11] CONG Yang,YUAN Junsong,LIU Ji.Sparse reconstruction cost for abnormal event detection[C]//2011 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).Providence,RI:IEEE,2011:3449-3456.
    [12] ZHANG Tianzhu,GHANEM B,LIU S,et al.Robust visual tracking via structured multi-task sparse learning[J].International Journal of Computer Vision,2013,101(2):367-383.
    [13] ZHAO B,FEI-FEI L,XING E P.Online detection of unusual events in videos via dynamic sparse coding[C]//2011 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).Colorado Springs,USA:IEEE,2011:3313-3320.
    [14] AHARON M,ELAD M,BRUCKSTEIN A.K-SVD:An algorithm for designing overcomplete dictionaries for sparse representation[J].IEEE Transactions on Signal Processing,2006,54(11):4311-4322.
    [15] MEHRAN R,OYAMA A,SHAH M.Abnormal crowd behavior detection using social force model[C]//IEEE Conference on Computer Vision and Pattern Recognition,2009.CVPR 2009.Miami:IEEE,2009:935-942.
    [16] 谢锦生,郭立,赵龙,等.一种基于稀疏编码模型的视频异常发现方法[J].小型微型计算机系统,2014,35(4):917-921.
    [17] 谢锦生,郭立,赵龙.基于快速稀疏编码与惊奇计算的视频异常检测方法[J].中国科学技术大学学报,2013,43(7):561-568.
  • [1] 马恒达袁伟娜徐睿 . 一种组稀疏信道估计中的信号重构优化方法. 华东理工大学学报(自然科学版), 2019, 45(4): 646-651. doi: 10.14135/j.cnki.1006-3080.20180409004
    [2] 随学杰王慧锋颜秉勇 . 基于改进生成式对抗网络的编码DNA分子识别. 华东理工大学学报(自然科学版), 2020, 46(): 1-6. doi: 10.14135/j.cnki.1006-3080.20191216001
    [3] 魏梓轩周家乐 . 基于VAE的编码DNA载体阻断事件聚类分析与研究. 华东理工大学学报(自然科学版), 2020, 46(3): 411-418. doi: 10.14135/j.cnki.1006-3080.20190424001
    [4] 杨家鹏熊文莉安琦 . 滚子直径误差对双列调心轴承疲劳寿命的影响. 华东理工大学学报(自然科学版), 2019, 45(3): 491-497. doi: 10.14135/j.cnki.1006-3080.20180411001
    [5] 高源安琦 . 轴承座同心度误差对深沟球轴承-转子系统振动性能的影响. 华东理工大学学报(自然科学版), 2019, 45(3): 498-506. doi: 10.14135/j.cnki.1006-3080.20180415001
    [6] 周进邢改兰周邵萍 . 泵腔和口环对微型超低比转速离心泵模拟误差的影响. 华东理工大学学报(自然科学版), 2020, 46(1): 135-144. doi: 10.14135/j.cnki.1006-3080.20181211001
    [7] 郁枫杨帆熊智华 . 基于CCF-PLS的通讯系统异常根因分析. 华东理工大学学报(自然科学版), 2021, 47(1): 1-7. doi: 10.14135/j.cnki.1006-3080.20191128006
    [8] 朱敏陈杭宋兴福于建国 . 软钾镁矾反应转化制备K2SO4的母液回收利用研究. 华东理工大学学报(自然科学版), 2020, 46(4): 454-463. doi: 10.14135/j.cnki.1006-3080.20190324001
    [9] 付仔蓉吴胜昔吴潇颖顾幸生 . 基于空间特征的BI-LSTM人体行为识别. 华东理工大学学报(自然科学版), 2020, 46(): 1-8. doi: 10.14135/j.cnki.1006-3080.20191202003
    [10] 刘佳丽叶炯耀 . 基于Ohta颜色空间的多信息融合火焰检测. 华东理工大学学报(自然科学版), 2019, 45(6): 962-969. doi: 10.14135/j.cnki.1006-3080.20180910001
    [11] 钱文秀常青向辉康文斌 . 基于深度监督显著目标检测的草莓图像分割. 华东理工大学学报(自然科学版), 2020, 46(1): 114-120. doi: 10.14135/j.cnki.1006-3080.20181205004
    [12] 余云飞汪鹏君张跃军张会红张海明 . 基于返回地址签名的控制流检测方法. 华东理工大学学报(自然科学版), 2020, 46(6): 1-7. doi: 10.14135/j.cnki.1006-3080.20190826005
    [13] 邓键邓诗峰尤欣桐周小艺 . 新型耐高温含硅芳炔树脂化学流变行为. 华东理工大学学报(自然科学版), 2020, 46(1): 24-28. doi: 10.14135/j.cnki.1006-3080.20181214001
    [14] 刘静丁艳玲刘小云谭正庄启昕 . 三亲性二嵌段共聚物共混体系的自组装行为. 华东理工大学学报(自然科学版), 2020, 46(2): 197-207. doi: 10.14135/j.cnki.1006-3080.20190220001
    [15] 赖兆林冯翔虞慧群 . 基于逆向学习行为粒子群算法的云计算大规模任务调度. 华东理工大学学报(自然科学版), 2020, 46(2): 259-268. doi: 10.14135/j.cnki.1006-3080.20190218001
    [16] 帅洁胡佳杰涂燕尚亚卓刘洪来 . 光响应小分子/表面活性剂自组装体的宏观光响应行为. 华东理工大学学报(自然科学版), 2020, 46(5): 634-645. doi: 10.14135/j.cnki.1006-3080.20190821001
    [17] 陈立皇程华房一泉 . 基于注意力机制的DGA域名检测算法. 华东理工大学学报(自然科学版), 2019, 45(3): 478-485. doi: 10.14135/j.cnki.1006-3080.20180326002
    [18] 常青张天宇赵冰冰 . 基于机器视觉的手机异形主板非标自动化检测算法. 华东理工大学学报(自然科学版), 2019, 45(4): 632-638. doi: 10.14135/j.cnki.1006-3080.20180416006
    [19] 汪道成朱倩赵玉政杨 弋 . 基于NAD+/NADH比率荧光探针的乳酸检测法. 华东理工大学学报(自然科学版), 2019, 45(4): 570-575. doi: 10.14135/j.cnki.1006-3080.20180428001
    [20] 程雅文豆伟涛陈国荣 . 二硫化钼复合材料的构建与对Aβ的灵敏检测. 华东理工大学学报(自然科学版), 2019, 45(5): 759-766. doi: 10.14135/j.cnki.1006-3080.20180720001
  • 加载中
计量
  • 文章访问数:  9210
  • HTML全文浏览量:  529
  • PDF下载量:  2343
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-03-24
  • 刊出日期:  2016-02-29

基于HOG3D描述器与稀疏编码的异常行为检测方法

    通讯作者: 朱煜, zhuyu@ecust.edu.cn
  • 1. 华东理工大学信息科学与工程学院, 上海 200237
基金项目:  国家自然科学基金(61271349)中央高校基本科研业务费专项资金(WH1214015)

摘要: 提出了一种基于稀疏编码理论的视频异常行为检测方法,并使用HOG3D空-时描述器表征视频序列的形态及运动信息。首先,从正常视频序列中提取空-时兴趣点,获得其特征向量作为训练样本。通过K-SVD字典训练算法构建过完备字典,使得正常样本在所构建字典上的表达具有很好的稀疏性。在稀疏编码过程中,按视频段读取测试视频序列,求解特征信息在字典上的关于其稀疏系数的凸优化问题,然后根据稀疏编码改进公式求得重构误差数值。最后的判断阶段,计算视频段的相对重构误差,相对重构误差为正表明为异常视频段,否则为正常视频段。在UMN数据库3个场景及Weizmann数据库上进行实验,验证了本文算法的有效性。将实验拓展到现实监控视频中,结果表明本文方法在实践中同样具有较好的应用价值。

English Abstract

参考文献 (17) 相关文章 (20)

目录

    /

    返回文章