基于双支路的人群视频异常检测算法研究

该文对人群异常检测任务进行了研究,针对人群场景视频背景较冗余,易受光线与噪声影响以及实际部署等问题,提出了人群异常多尺度特征记忆网络(CaMsm-net).为了从多角度判别异常的发生,并将各类信息更好地融合,该网络采用了一种双支路共享单元结构,将原始帧与经背景建模后的帧同时输入网络结构中,分别对两条支路进行预测,采用预测误差进行异常的判定,并且从实际应用角度出发,框架结合了深度可分离卷积、数据扩增等方法,保障了检测的准确性与部署的可行性.在公开的美国明尼苏达大学(UMN)人群数据集与实际监控下的火车站出站口数据集中的实验表明,曲线下面积(AUC)指标分别达到了99.2％与84.1％,平均检测准确率分别为95.9％与81.7％,证明了所提算法能够较好地检测到各类人群异常现象的发生,并具有更广的适用性.