一种优化FCN的视频异常行为检测定位方法

摘要

在视频异常行为检测过程中,为了提取出可分辨性更好的特征,同时兼顾运行速度,提出一种基于优化的全卷积网络(full convolution network,FCN)的异常行为检测与定位方法。对FCN进行优化,使用卷积神经网络(convolution neural network,CNN)的数个初始卷积层和一个额外卷积层,生成同时描述运动和形状的区域向量集;使用高斯分类器对特征向量集进行验证,将存在显著差异的分块标记为异常,将低拟合置信度的可疑区域输入到稀疏自动编码器中;对异常行为进行定位,并将异常行为的位置传回FCN。所提方法在UCSD和Subway这2个公开数据集上进行验证分析。实验结果表明,所提方法在受试者操作特征(receiver operation characteristic,ROC)曲线、等错误率(equal error rate,EER)和曲线下面积(area under curve,AUC)性能方面表现优秀,且运行速度达到60 frame/s,实时性较为优秀。