隨著公眾安全意識的提升以及視頻監(jiān)控設(shè)備制造成本的降低,越來越多的場所架設(shè)了視頻監(jiān)控系統(tǒng)。其中,針對公共場所的人群異常檢測系統(tǒng)尤為重要,該場景下較高的人群密度導(dǎo)致異常事件發(fā)生概率的提升,并導(dǎo)致其影響范圍的快速擴(kuò)大�，F(xiàn)有的此類異常檢測系統(tǒng)多是針對人群擁堵或指定的異常行為進(jìn)行檢測,缺乏異常行為的通用檢測方案。因此,本研究基于上述現(xiàn)狀,結(jié)合深度學(xué)習(xí)技術(shù)對人群異常檢測相關(guān)領(lǐng)域展開研究,設(shè)計并實現(xiàn)了一個人群異常行為檢測系統(tǒng)。與針對具體行為進(jìn)行檢測的現(xiàn)有異常檢測系統(tǒng)相比,本系統(tǒng)不對異常種類進(jìn)行限制,實現(xiàn)對人群中各類異常行為的通用檢測。首先,本研究對人群異常行為檢測模型展開研究。由于異常事件復(fù)雜多樣、難以定義,監(jiān)控視頻中的異常檢測一直是一個具有挑戰(zhàn)性的問題。對此,本研究提出了一種全新的雙流時空生成模型,通過同時進(jìn)行輸入視頻幀的重建和未來幀的預(yù)測來充分利用視頻信息。為了提高該模型對視頻中表征物體外觀及運(yùn)動的時空特征的捕捉能力,本研究首先將ConvLSTM融入生成模型,再構(gòu)造出一個判別器與之對抗訓(xùn)練。在使用正常事件樣本訓(xùn)練后,本研究的生成模型可以針對輸入的視頻片段計算出重構(gòu)誤差和預(yù)測誤差并依此進(jìn)行異常檢測...

【文章頁數(shù)】：100 頁

【學(xué)位級別】：碩士

圖1.1現(xiàn)場監(jiān)控

圖1.2暴亂后的車站（2）2015年9月24日，沙特麥加發(fā)生人群踩踏事故（見圖1.3和1.4），

圖1.3事故發(fā)生的交叉口

圖1.4事故后的現(xiàn)場

本文編號：3886380