【论文笔记】监控视频中异常事件检测及异常事件摘要

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/elaine_bao/article/details/50056799

论文作者林巍峣做的一次关于其发表在2015 neurocomputing 上的论文的讲座。因为是讲座+后期自己稍微看了一下原文,所以在这的介绍只是一个大概,属于科普方法类论文笔记…

目的:对监控视频中的异常事件(如闯红灯、横穿马路等)进行检测,并聚类,浓缩到一段摘要中。
这里写图片描述

大致流程是:

  • 提取前景物体(团块)
  • 跟踪(相邻帧similar HOG+large overlapping area)+团块优化
  • 获得blob sequences后,根据对normal activities的学习判定其是否为abnormal
  • 对异常事件聚类
  • 生成异常事件的视频摘要

1.对正常行为进行建模:基于patch的学习

首先将输入的视频场景划分成相同的patch,
这里写图片描述
然后对每一个patch学习这一块局部区域的normal activity pattern.具体做法是对训练数据中normal activities的轨迹在每个patch中是如何分布的学习一个概率分布(特征为光流,建模用kernel density estimation),以及正常行为的key regions(即轨迹的端点)一般是如何组合的。
这里写图片描述

2.团块优化

在实际场景中不同物体的运动轨迹有可能会“黏连”,通过分割代价函数来分离不同物体的模态。
这里写图片描述
具体的分割代价函数包含了3部分的优化,在这不做详细介绍,感兴趣的可以阅读原文。

3.团块序列的分类

根据团块优化和跟踪,我们可以得到物体运动的团块序列(blob sequences)。根据之前学习到的正常行为的概率分布和key regions对团块序列做检测,筛选出abnormal activities.
然后对abnormal activities进行聚类,得到不同类型异常事件的团块序列集合。

4.视频摘要

基于不同类型的异常事件集合,将他们浓缩到一起实现不重叠但连续的一段异常事件的摘要。

展开阅读全文

没有更多推荐了,返回首页