视频监控下利用改进型C3D-RF的人群异常行为检测 |
| |
作者单位: | 西安思源学院电子信息工程学院,陕西西安710038;西安交通大学理学院,陕西西安710049;郑州轻工业大学软件学院,河南郑州450002 |
| |
基金项目: | 国家自然科学基金;河南省科技攻关计划;西安思源学院校基金项目 |
| |
摘 要: | 传统基于卷积神经网络(CNN)算法的人群异常行为检测方法由于采用二维卷积核提取图像特征,故无法准确捕捉视频流在时序上的动态特征。为此,提出一种基于改进C3D网络与随机森林(RF)算法相结合的检测方法。利用具有时间特征捕捉能力的C3D网络进行视频流梯度方向直方图(HOG)特征提取,并作为三维卷积核输入以实现对视频时空特征的提取;使用随机森林分类器替代softmax全连接层以避免训练过程中繁琐的梯度计算操作,并降低对训练数据集样本规模的要求;基于基准数据集的算例结果表明,所提出的改进C3D-RF方案对人群异常行为的检测准确率保持在90%以上,且与传统C3D网络、支持向量数据描述模型(SVDD)、编码深度卷积神经网络(CAE)等方法相比,其训练时间缩短了15.34%以上。
|
关 键 词: | 信息光学 异常行为检测 C3D网络 随机森林 视频监控 时空特征提取 |
本文献已被 CNKI 万方数据 等数据库收录! |
|