视频监控下利用改进型C3D-RF的人群异常行为检测
Abnormal crowd behavior detection using improved C3D-RF under Video Surveillance作者机构: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
出 版 物:《光学技术》 (Optical Technique)
年 卷 期:2021年第47卷第2期
页 面:187-195页
学科分类:0810[工学-信息与通信工程] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0702[理学-物理学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金项目(61975187) 河南省科技公关项目(202102210387) 西安思源学院校基金(XASYPY1-B2007)
主 题: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
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。