摘要
传统的人工异常事件检测不仅是对人力资源的极大浪费，更无法实现对异常事件的提前预警或及时报警，并不十分可靠。基于深度学习的异常事件检测是指通过深度学习算法自动识别并定位监控视频中的危险事件或异常行为，对保障公共安全具有重要意义。然而由于正、异常事件均无明确定义、种类繁多，无法穷举以及不同场景下正常和异常事件的定义也有所不同等难点，异常事件检测仍是一项极具挑战的任务。为实现在火车站、广场等公共场所下对抢劫、打架、爆炸等危险系数较大的异常事件的检测，本论文提出以下两种算法以检测异常： （1）基于YOLOv3+C3D的有监督异常事件检测算法。与仅使用正常事件进行训练的无监督算法相比，同时使用正常和异常事件样本进行训练更能提取到有助于区分正常和异常事件的特征，因此提出基于YOLOv3+C3D的有监督算法。首先使用YOLOv3目标检测网络代替传统的运动目标检测算法，以更快速、更精确的提取前景目标，从对象的角度分析行为。结合预训练的C3D网络提取视频数据的时空特征，最后通过全连接层和softmax函数分类正、异常事件，实现端到端的异常检测。在规模相对较小的UCSD数据集上取得了良好的检测精度。 （2）基于I3D+LSTM的弱监督异常事件检测算法。随着数据集规模的扩大，训练样本的详细标记将变得十分繁琐，因此使用仅需正常、异常样本视频级别标签的多实例学习算法减少对标签信息的依赖。首先使用双流I3D网络提取训练视频短时序时空特征同时结合LSTM进一步提取长时序帧间运动信息，这种短时序+长时序建模的网络结构能够更加充分地利用时间上下文信息获取异常事件特征。最后使用三层全连接层为每个视频片段打分，并通过排序损失优化网络。该算法在规模较大的UCF-Crime数据集和ShanghaiTech数据集上均实现了目前最高的异常检测精度。
NETL