基于HOG3D描述器与稀疏编码的异常行为检测方法.pdfVIP

华东理工大学学报(自然科学版〉 Vo l. 42 No. 1 110 Journal of East China University of Science and Technology (Natural Science Edition) 2016-02 文章编号:1006-3080(2016)01-0110-09 DOI: 10. 14135/j. cnki. 1006-3080. 2016.0 1. 018 基于 HOG3D 描述器与稀疏编码的异常行为检测方法 何聪芹，朱:煌，陈宁 (华东理工大学信息科学与工程学院，上海 200237) 摘要:提出了一种基于稀疏编码理论的视频异常行为检测方法，并使用 HOG3D 空-时描述器 表征视频序列的形态及运动信息。首先，从正常视频序列中提取空-时兴趣点，获得其特征向量作 为训练样本。通过 K-SVD 字典训练算法构建过完备字典，使得正常样本在所构建字典上的表达 具有很好的稀疏性。在稀疏编码过程中，按视频段读取测试视频序列，求解特征信息在字典上的 关于其稀疏系数的凸优化问题，然后根据稀疏编码改进公式求得重构误差数值。最后的判断阶 段，计算视频段的相对重构误差，相对重构误差为正表明为异常视频段，否则为正常视频段。在 UMN 数据库 3 个场景及 Weizmann 数据库上进行实验，验证了本文算法的有效性。将实验拓展 到现实监控视频中，结果表明本文方法在实践中同样具有较好的应用价值。 关键词:稀疏编码;异常行为检测;重构误差; HOG3D 描述器; K-SVD 申图分类号:TP181 文献标志码:A Abnormal Behavior Detection Using Sparse Coding and HOG3D Descriptor HE Cong-q町 • ZHU Yu. CHEN Ning (School of Information Science and Engineering •East China University of Science and Technology .Shanghai 200237.China) Abstract: In this paper. an abnormality behavior detect method based on sparse coding is proposed and the HOG3D descriptor is utilized to capture appearance and motion information of the surveillance videos. Firstly.a set of training data are extracted from normal events. And then. K-SVD method is utilized to construct the dictionary atoms such that each normal member attains the best representation under the strict sparsity constraints. In the process of sparse coding. by taking a video session as a sample. we introduce the relative sparse reconstruction error over the normal dictionary to measure the level of no