異常事件檢測算法設(shè)計與實現(xiàn).pdf

1、本文首先通過對異常事件問題的分析，將視頻中異常事件檢測的重點放在檢測沒有明確類別定義的異常事件檢測上。為了解決這個問題，本文將異常事件的檢測分為視頻的特征提取和異常檢測模型檢測異常兩個部分。
　　在特征提取的方法討論中，本文介紹了采用ICA、稀疏編碼和稀疏自編碼器來提取特征。而在異常檢測的模型中，本文介紹了應(yīng)用張量分解、計算重構(gòu)誤差的模型，和訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)、并對視頻特征預(yù)測的模型。基于這兩個異常檢測模型，本文分別設(shè)計了基于重構(gòu)誤

2、差和基于可預(yù)測性的異常事件檢測系統(tǒng)。接著，通過對這兩個異常事件檢測系統(tǒng)的比較和分析，本文指出了兩個系統(tǒng)在視頻的異常檢測過程中對異常事件的判斷邏輯上存在的差別。隨后，本文對這兩個系統(tǒng)在一個人群的異常事件數(shù)據(jù)集上進行了測試。
　　最后，本文討論了這兩個系統(tǒng)對視頻中動態(tài)信息的處理能力。其中，在對兩個系統(tǒng)提取的特征的分析中，本文發(fā)現(xiàn)基于重構(gòu)誤差的異常檢測系統(tǒng)提取的特征本身是帶有動態(tài)信息的。而通過分析隱含循環(huán)層神經(jīng)元在檢測異常事件過程中的狀