異常事件檢測(cè)算法設(shè)計(jì)與實(shí)現(xiàn).pdf

1、本文首先通過對(duì)異常事件問題的分析，將視頻中異常事件檢測(cè)的重點(diǎn)放在檢測(cè)沒有明確類別定義的異常事件檢測(cè)上。為了解決這個(gè)問題，本文將異常事件的檢測(cè)分為視頻的特征提取和異常檢測(cè)模型檢測(cè)異常兩個(gè)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(cè)的模型中，本文介紹了應(yīng)用張量分解、計(jì)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(duì)視頻特征預(yù)測(cè)的模型?；谶@兩個(gè)異常檢測(cè)模型，本文分別設(shè)計(jì)了基于重構(gòu)誤

2、差和基于可預(yù)測(cè)性的異常事件檢測(cè)系統(tǒng)。接著，通過對(duì)這兩個(gè)異常事件檢測(cè)系統(tǒng)的比較和分析，本文指出了兩個(gè)系統(tǒng)在視頻的異常檢測(cè)過程中對(duì)異常事件的判斷邏輯上存在的差別。隨后，本文對(duì)這兩個(gè)系統(tǒng)在一個(gè)人群的異常事件數(shù)據(jù)集上進(jìn)行了測(cè)試。
　　最后，本文討論了這兩個(gè)系統(tǒng)對(duì)視頻中動(dòng)態(tài)信息的處理能力。其中，在對(duì)兩個(gè)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(cè)系統(tǒng)提取的特征本身是帶有動(dòng)態(tài)信息的。而通過分析隱含循環(huán)層神經(jīng)元在檢測(cè)異常事件過程中的狀