【摘要】：隨著人民生活水平的日益提高,出行人數(shù)越來越多,公共場所的安全問題也日漸突出。尤其在高鐵出行成為人們的首選出行方式后,對火車站候車廳、站臺(tái)等鐵路場景進(jìn)行全方位實(shí)時(shí)監(jiān)控具有重要意義。目前,視頻監(jiān)控系統(tǒng)的應(yīng)用隨處可見,但傳統(tǒng)的人工檢測存在諸多問題,早已無法滿足需求。因此,本文旨在研究一種具有高準(zhǔn)確率的實(shí)時(shí)異常事件檢測方法。本文采用基于稀疏組合學(xué)習(xí)的方法進(jìn)行鐵路場景異常事件檢測,這一模型相較之前的基于分類聚類等異常檢測模型,具有更好的檢測準(zhǔn)確率和檢測速度。而基于手工特征的稀疏組合模型雖然檢測速度快,但是準(zhǔn)確率仍有提高空間。為了進(jìn)一步提高稀疏組合異常檢測的準(zhǔn)確率,本文結(jié)合目前在計(jì)算機(jī)視覺領(lǐng)域發(fā)展迅速的深度學(xué)習(xí)方法,提出了一種基于深度時(shí)空特征的稀疏組合檢測方法。該方法通過深度學(xué)習(xí)提取采集視頻的時(shí)空特征,可以更有效地提取視頻序列中的時(shí)序和運(yùn)動(dòng)信息。首先,設(shè)計(jì)了深度三維卷積網(wǎng)絡(luò)模型,通過帶有標(biāo)簽的大的行為數(shù)據(jù)庫對網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到參數(shù)最優(yōu)的網(wǎng)絡(luò)模型。然后利用已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)模型對異常事件數(shù)據(jù)庫進(jìn)行特征提取,再將提取到的深度時(shí)空特征進(jìn)行稀疏組合學(xué)習(xí)和檢測。在公共異常事件數(shù)據(jù)庫AVENUE和SUBWAY上進(jìn)行實(shí)驗(yàn)比較,表明本文所提出的方法具有較高的檢測準(zhǔn)確率。最終,本文將該方法應(yīng)用于鐵路場景數(shù)據(jù)庫中,在站臺(tái)、正線、咽喉區(qū)等各種鐵路典型場景下進(jìn)行了測試,獲得較好的檢測效果。在公共異常事件數(shù)據(jù)庫與鐵路數(shù)據(jù)庫上的實(shí)驗(yàn)表明,本文將基于深度學(xué)習(xí)的特征提取與基于稀疏組合學(xué)習(xí)的異常事件檢測模型相結(jié)合,充分發(fā)揮兩者優(yōu)勢。特征提取算法以原始數(shù)據(jù)作為輸入,采用無監(jiān)督的特征學(xué)習(xí)過程,解決了有標(biāo)簽數(shù)據(jù)獲取困難的問題,且整個(gè)特征提取過程不需要任何人工特征提取步驟,在保證較高的檢測速度的條件下,利用數(shù)據(jù)更為本質(zhì)的特征進(jìn)一步提高了檢測準(zhǔn)確率。
【圖文】：

視頻監(jiān)控的廣泛應(yīng)用

不同行為人體部位定位示例[4]
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP18;TP391.41;U29

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 謝錦生;郭立;趙龍;桂樹;;一種基于稀疏編碼模型的視頻異常發(fā)現(xiàn)方法[J];小型微型計(jì)算機(jī)系統(tǒng);2014年04期

2 張靜;高偉;劉安安;高贊;蘇育挺;張哲;;基于運(yùn)動(dòng)軌跡的視頻語義事件建模方法[J];電子測量技術(shù);2013年09期

，

本文編號(hào)：2700932