《基於深度學習特徵提取的稀疏表示異常事件檢測》是依託北京交通大學，由岑翼剛擔任項目負責人的面上項目。
基本介紹
- 中文名：基於深度學習特徵提取的稀疏表示異常事件檢測
- 項目類別：面上項目
- 項目負責人：岑翼剛
- 依託單位：北京交通大學
- 批准號：61572067
- 申請代碼：F0210
- 負責人職稱：教授
- 研究期限：2016-01-01 至 2019-12-31
- 支持經費：64（萬元）
項目摘要
本項目研究擁擠人群場景下基於深度結構特徵的稀疏表示異常事件檢測方法，對有別於正常行為模式的人或事件進行檢測，起到預警、識別的作用。在高層語義特徵提取、視覺詞典訓練模型及最佳化求解算法、字典線上更新等方面進行深入研究並提出新的思路。借鑑深度學習的思想，提取對視頻幀圖像內容高層語義有更好表達能力以及對目標形變和大尺度運動問題更加魯棒的特徵，提出最大投影多尺度光流直方圖作為特徵描述子；在字典學習方面，考慮上下文信息並引入非負編碼係數約束進行建模，對大規模高維字典最佳化提出分離字典訓練的方法，減少計算量；引入EMD距離構建稀疏重構代價函式並對詞典進行線上更新。實現監控視頻局部異常(Local Abnormal Event, LAE)及全局異常事件(Global Abnormal Event, GAE)的可靠快速檢測。
