[发明专利]一种持续学习的视频事件检测方法

说明书

技术领域

本发明涉及计算机视觉、模式识别、机器学习多种领域，尤其是一种持续 学习的视频事件检测方法。

背景技术

现有的视频事件检测系统，大多数为人工提取视频中的特征，例如梯度直 方图(HOG)、光流直方图(HOF)等运动特征，这些人工选取的特征并不能适用于 所有的领域或者场景，需要根据不同的应用进行不同的取舍。而深度学习正是 解决这个问题的有效途径。

有部分研究也尝试使用深度学习的方法，例如C3D，但是都是使用大量有 标签的数据训练出一个固定的模型，这个模型在使用过程中是不能改变的，这 就导致其不能适应复杂的环境变化，而且对于视频中所有未训练过的事件类别， 都无法准确识别，这对于不断变化的视频数据来说是很不适用的。因此需要一 个能够持续学习的系统。

视频数据量非常巨大，处理需要消耗大量的计算资源，直接对视频数据进 行处理将会产生很高的延时，甚至堵塞，因此需要一个合理的编码方式，对视 频运动进行表达。

发明内容

为解决现有技术中的缺点和不足，本发明提出一种持续学习的视频事件检 测方法，将深度学习和主动学习相结合，既能够发挥深度学习有效学习最有用 的特征的优势，减少人工选取特征的局限性，又能够发挥主动学习不断增量式 优化参数的优势，使其能够适应不断变化的环境。

本发明的技术方案是这样实现的：

一种持续学习的视频事件检测方法，包括初始学习阶段和增量学习阶段；

在初始学习阶段，准备了带有标签的视频数据，使用稀疏自编码对所述带 有标签的视频数据进行学习，训练出一个先验模型；

在增量学习阶段，使用训练好的先验模型对新到来的视频数据进行分类， 计算概率评分和梯度距离，根据计算结果使用主动学习来决定为新到来的视频 数据自动添加标签还是人工添加标签。

可选地，初始学习阶段使用带有标签的数据训练一个先验模型，具体步骤 为：

(11)定位并分割视频数据中的运动片段，剔除大量的没有目标或者目标 静止的视频，从大量的视频中选取特定几个事件，为这些视频片段增加标签， 构成预训练的数据集；

(12)使用时空金字塔和平均池化方法，对分割出的运动成分提取时空兴 趣点特征，深度学习网络从所述时空兴趣点特征中自动学习到最有效的特征；

(13)采用稀疏自编码的方法自动从无标签的数据中学习有用的特征，这 是一个拥有一层输入层、一层隐层和一层输出层的神经网络，所述神经网络输 出特征的高阶表达，当得到新的数据时，稀疏自编码增量更新和调整网络参数；

(14)使用多项逻辑回归或者softmax做分类器，对高阶特征进行分类，训 练当前的模型。

可选地，所述步骤(11)中，使用背景消除方法，提取视频片段中的运动 成分，定位运动目标。

可选地，增量学习阶段使用新获得的视频数据对当前模型进行调整和优化， 具体步骤为：

(21)将新获得的视频流数据存储在缓存中，当达到一定量时，将这一个 批次的视频进行预处理；

(22)将视频特征输入到先验模型中进行分类，得出分类结果，并且计算 概率评分和梯度距离，决定要保留当前的分类标签或者是人为增加标签；

(23)用有标签的样本来训练神经网络，优化网络参数。

可选地，将这一个批次的视频进行预处理，包括运动片段的截取、动作表 达。

本发明的有益效果是：

(1)深度学习自动学习良好的特征，避免了人工选取特征的局限性，适应 能力更强；

(2)持续学习的方式使网络模型不断得到修正优化，在外界环境改变时， 能够尽快的适应，在检测到未训练过的事件时，可以选择性的加入该分类并在 后期进行学习；

(3)事件检测系统可以对某特定区域进行监督，在第一时间发现异常的行 为，为人们所关注的公共安全增添保障。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施 例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述 中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付 出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明持续学习的视频事件检测方法的流程图；