[发明专利]一种基于级联字典的人群异常检测方法及系统

摘要

本发明涉及一种基于级联字典的人群异常检测方法及系统，其方法包括步骤1对输入的训练视频进行预处理，得到多个视频梯度特征；步骤2将多个视频梯度特征输入多个训练字典中进行迭代训练，得到级联字典；步骤3接收外部输入的需检测的视频流，对视频流进行预处理，得到视频特征，将视频特征输入级联字典进行检测；步骤4对级联字典中多个训练字典的检测结果进行判断，如果存在正常状态，判断视频流为正常事件；否则，判断视频流为异常事件。本发明级联架构采用的是由粗粒度到细粒度的流水线型判断，能够将易判断的正常视频段在前几个级检测完毕，提高了运算效率与总体处理速度。

主权项

一种基于级联字典的人群异常检测方法，其特征在于，具体包括以下步骤：步骤1：对输入的训练视频进行预处理，得到多个视频梯度特征；步骤2：将所述多个视频梯度特征输入多个训练字典中进行迭代训练，得到级联字典；步骤3：接收外部输入的需检测的视频流，对所述视频流进行预处理，得到视频特征，将所述视频特征输入所述级联字典进行检测；步骤4：对所述级联字典中多个训练字典的检测结果进行判断，如果存在正常状态，判断所述视频流为正常事件，结束；否则，判断所述视频流为异常事件，结束；步骤2中，具体通过以下公式建立所述级联字典：E(yi)=minα,β,DΣi=1nΣj=1mΣp=1kαjiβip(||yi-Dipxjip||22+λ||Dip||F2)s.t.Σi=1nαji=1,αji={0,1}Σp=1kβip=1,βip={0,1};]]>其中，表示的F范数，λ表示平衡因子，yj为训练视频的第j个特征，m为训练特征数，n为训练的级联层数，k为每一层训练的候选字典数；表示第i层中第p个候选字典，表示是否选择作为级联架构中第i层的检测字典，表示特征j根据第i层字典进行重构后是否收敛，表示重构后的稀疏特征。