监控视频异常行为检测的概率记忆自编码网络
Probabilistic Memory Auto-encoding Network for Abnormal Behavior Detection in Surveillance Videos作者机构:武汉大学电子信息学院湖北武汉430072 湖北工业大学电气与电子工程学院湖北武汉430068
出 版 物:《软件学报》 (Journal of Software)
年 卷 期:2023年第34卷第9期
页 面:4362-4377页
核心收录:
学科分类:08[工学] 081203[工学-计算机应用技术] 0837[工学-安全科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:中国科学院光电信息处理重点实验室开放课题基金(OEIP-O-202009) 国家自然科学基金(61471272)。
摘 要:异常行为检测是智能监控系统中重要的功能之一,在保障社会治安等方面发挥着积极的作用.为提高监控视频中异常行为的检测率,从学习正常行为分布的角度出发,设计基于概率记忆模型的半监督异常行为检测网络,解决正常行为数据与异常行为数据极度不均衡的问题.该网络以自编码网络为主干网络,利用预测的未来帧与真实帧之间的差距来衡量异常程度.在主干网络提取时空特征时,使用因果三维卷积和时间维度共享全连接层来避免未来信息的泄露,保证信息的时序性.在辅助模块方面,从概率熵和正常行为数据模式多样性的角度,设计概率模型和记忆模块提高主干网络视频帧重建质量.概率模型利用自回归过程拟合输入数据分布,促使模型收敛于正常分布的低熵状态;记忆模块存储历史数据中的正常行为的原型特征,实现多模式数据的共存,同时避免主干网络的过度参与而造成对异常帧的重建.最后,利用公开数据集进行消融实验和与经典算法的对比实验,以验证所提算法的有效性.