《面向擁擠監控場景的異常事件檢測技術研究》是依託北京工商大學，由祝曉斌擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向擁擠監控場景的異常事件檢測技術研究
- 項目類別：青年科學基金項目
- 項目負責人：祝曉斌
- 依託單位：北京工商大學
項目摘要,結題摘要,
項目摘要
隨著視頻監控的廣泛套用，擁擠場景下異常事件檢測，作為智慧型視頻監控的重點和難點，正受到越來越多的關注。擁擠場景中運動目標密集，目標間遮擋嚴重，提取的特徵包含大量噪聲，導致事件模型建立困難。本項目旨在研究擁擠場景下基於稀疏表示的異常事件檢測技術，建立有效、魯棒的事件檢測模型。基於此，本項目將融合深度結構和變分法提取光流特徵，以有效解決大尺度運動和擁擠場景中的遮擋帶來的光流提取問題，提高事件模型性能；利用上下文信息、非負編碼等約束，採用對特徵局部變化不敏感的度量距離，以分組詞典的訓練方式，得到更加有表示力、結構冗餘小的視覺詞典；為了適應場景的變化，根據檢測結果線上更新模型，以得到魯棒性和泛化能力強的事件模型；最後，採用線上視頻濃縮的方式，與檢測進行有機融合, 以對異常事件進行有效展現。
結題摘要
隨著視頻監控的廣泛套用，擁擠場景下異常事件檢測，作為智慧型視頻監控的重點和難點，正受到越來越多的關注。擁擠場景中運動目標密集，目標間遮擋嚴重，提取的特徵包含大量噪聲，導致事件模型建立困難。本項目主要研究內容包括：融合深度結構提取運動等特徵，以有效解決擁擠場景中的遮擋帶來的特徵提取問題，提高事件模型性能；利用上下文信息、非負編碼等約束，採用對特徵局部變化不敏感的度量距離，以分組詞典的訓練方式，得到更加有表示力、結構冗餘小的視覺詞典；採用基於深度的目標檢測或者高層語義信息提取算法，用於異常事件分析和檢測；採用分層策略，對正常行為和異常行為分別聚類，異常行為保留其原有屬性；同時利用增量學習原理，更新模型。本項目在執行期間系統研究了基於稀疏表示的異常事件檢測技術，取得了良好的相關成果。總計發表論文10餘篇，申請軟體著作權3項，學術專著1部，培養碩士研究生多名，晉升副教授1名。對於相關問題的研究揭示了稀疏表示技術在事件檢測中的套用方法，對於後續的研究也起到了一定的啟發作用。
