基于深度时空卷积神经网络的人群异常行为检测和定位.PDFVIP

37 3 Vol. 37 No. 3 第 卷第 期 计算机应用研究 录用定稿 Application Research of Computers Accepted Paper 基于深度时空卷积神经网络的人群异常行为检测和定位* † 胡学敏，陈 钦，杨 丽，余 进，童秀迟 (湖北大学计算机与信息工程学院, 武汉 430062) 摘 要：针对公共场合人群异常行为检测准确率不高和训练样本缺乏的问题，提出一种基于深度时空卷积神经网络 的人群异常行为检测和定位的方法。首先针对监控视频中人群行为的特点，综合利用静态图像的空间特征和前后帧 的时间特征，将二维卷积扩展到三维空间，设计面向人群异常行为检测和定位的深度时空卷积神经网络；为了定位 人群异常行为，将视频分成若干子区域，获取视频的子区域时空数据样本，然后将数据样本输入设计的深度时空卷 积神经网络进行训练和分类，实现人群异常行为的检测与定位。同时，为了解决深度时空卷积神经网络训练时样本 数量不足的问题，设计一种迁移学习的方法，利用样本数量多的数据集预训练网络，然后在待测试的数据集中进行 微调和优化网络模型。实验结果表明，该方法在UCSD 和Subway 公开数据集上的检测准确率分别达到了99%和93% 以上。 关键词：人群异常行为检测；深度时空卷积神经网络；迁移学习；数据扩充 中图分类号：TP391.41 doi: 10.19734/j.issn.1001-3695.2018.09.0671 Abnormal crowd behavior detection and localization based on deep spatial-temporal convolutional neural networks † Hu Xuemin, Chen Qin, Yang Li , Yu Jin, Tong Xiuchi (School of Computer Science Information Engineering , Hubei University, Wuhan 430062, China) Abstract: To handle the issues of low accuracy and lacking training samples in abnormal crowd behavior detection in public places, this paper proposes a method based on deep spatial-temporal convolutional neural networks in this paper. In view of the characteristics of crowd behavior in monitoring videos, a deep spatial-temporal convolution neural network for detecting abnormal crowd behavior is first designed by extending 2D convo