公开(公告)号：CN111738054B

公开(公告)日：2023-04-18

申请号：CN202010303192.9

申请日：2020-04-17

申请人： 北京理工大学

发明人： 范哲意 ,  吴迪 ,  殷健源 ,  刘志文

IPC分类号： G06V40/20 ,  G06V20/52 ,  G06V20/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于时空自编码器网络和时空CNN的行为异常检测方法，考虑群体异常行为稀少并且难以界定，检测模型难以学习到异常行为的特征信息，先用正样本训练时空自编码器网络，再将包含异常行为的视频输入时空自编码器网络，通过选择重建误差阈值筛选负样本，对筛选后负样本再进行扩充，减轻正负样本不均衡的程度；通过筛选后的负样本和原有正样本训练时空CNN，得到最终的检测模型；通过构建时空自编码器网络网络和时空CNN，这两个网络都可以从视频中提取高级语义特征，实现了视频图像中异常人群行为的检测，并提高了该算法在各种场景下的适用性。由于时空CNN模型结构简单，可以在仅使用CPU的环境中实现高精度的实时检测。

公开(公告)号：CN111738054A

公开(公告)日：2020-10-02

申请号：CN202010303192.9

申请日：2020-04-17

申请人： 北京理工大学

发明人： 范哲意 ,  吴迪 ,  殷健源 ,  刘志文

IPC分类号： G06K9/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于时空自编码器网络和时空CNN的行为异常检测方法，考虑群体异常行为稀少并且难以界定，检测模型难以学习到异常行为的特征信息，先用正样本训练时空自编码器网络，再将包含异常行为的视频输入时空自编码器网络，通过选择重建误差阈值筛选负样本，对筛选后负样本再进行扩充，减轻正负样本不均衡的程度；通过筛选后的负样本和原有正样本训练时空CNN，得到最终的检测模型；通过构建时空自编码器网络网络和时空CNN，这两个网络都可以从视频中提取高级语义特征，实现了视频图像中异常人群行为的检测，并提高了该算法在各种场景下的适用性。由于时空CNN模型结构简单，可以在仅使用CPU的环境中实现高精度的实时检测。