[发明专利]视频中的组群定位与异常行为检测方法在审
| 申请号： | 201910637498.5 | 申请日： | 2019-07-15 |
| 公开（公告）号： | CN110502988A | 公开（公告）日： | 2019-11-26 |
| 发明（设计）人： | 雷俊锋;包振宇;肖进胜;焦陈坤;眭海刚;周景龙;徐川 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 42222 武汉科皓知识产权代理事务所(特殊普通合伙) | 代理人： | 王琪<国际申请>=<国际公布>=<进入国 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种视频中的组群异常行为检测算法。首先，获取大量的视频图像数据作为训练样本，用于分析识别组群和异常行为检测；其次，采用基于空洞卷积的神经网络训练人群密度估计模型，得到视频图像人群密度图，并结合聚类方法对密度图进行点聚类，得到组群的位置和大小；再次，对所有的异常检测视频数据集，使用特征提取网络提取其时空特征，获得训练神经网络的输入，将训练样本输入到设置好参数的全连接神经网络，训练该神经网络，直至代价损失小到一定程度且达到最大迭代次数，得到训练好的模型；最后，根据组群识别得到的组群信息作为感兴趣区域，提取测试视频时空特征输入到训练好的异常检测模型，得到视频的异常检测分数。 | ||
| 搜索关键词： | 组群 异常行为检测 神经网络 时空特征 训练样本 异常检测 密度图 聚类 视频 人群密度估计 神经网络训练 视频图像数据 训练神经网络 异常检测模型 感兴趣区域 测试视频 视频数据 视频图像 特征提取 网络提取 组群信息 迭代 卷积 算法 空洞 人群 分析 | ||
【主权项】：
1.视频中的组群定位与异常行为检测算法，其特征在于，具体包括如下步骤：/n步骤(1)获取大量的视频图像数据集；/n步骤(2)设计多列空洞卷积神经网络，得到人群密度图；/n步骤(3)结合Canopy方法和DBSCAN聚类方法对人群密度图进行点聚类来识别组群，快速得到组群的人数和位置信息；/n步骤(4)对所有的视频数据集，将组群位置作为检测的感兴趣区域，使用特征提取神经网络提取其视频时空特征，对提取的时空特征按时间顺序转化为若干个时空特征片段，生成训练样本集和测试样本集；/n步骤(5)将训练样本集输入至全连接神经网络；/n步骤(6)设置好全连接神经网络的训练参数，利用多实例学习排名损失函数进行训练，直至代价损失减小到一定程度且训练达到迭代最大次数，生成训练模型；/n步骤(7)将测试样本集输入至训练好的模型中，输出其对应的异常得分。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学，未经武汉大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910637498.5/，转载请声明来源钻瓜专利网。
