摘要
随着人工智能的不断发展，计算机视觉技术也在快速进步，如今智慧城市的兴起，智能安防作为其中的重要一环得到了广泛的关注。我国经济社会快速地发展，公共场所以及一些特殊场地都有大量的摄像监控，这些监控产生了巨大的视频数据，一旦发生特殊事件，这就需要大量的人力物力来重复查找。因此，视频异常检测作为解放人力和节省物力的极大帮手，能够自动地对视频异常事件作出反应，具有较高的研究价值。 视频作为一种具有丰富时空语义的信息，本文着重于协调两者，将时间和空间两个维度的语义有效地利用。在此之上，本文提出了一种基于3D卷积与卷积长短期记忆相结合的自编码器视频异常检测算法。为了克服以往只针对空间特征进行建模的问题，本文利用视频的时间特征，设计了3D卷积自编码器网络。另外，视频数据帧作为一种特殊的序列数据，引入ConvLSTM，以对视频特征进行进一步的特征处理。3种数据集测试表明，相较于ConvAE、FR+ED和Unmasking等算法，它能够更好地利用时间维度信息来加强特征提取。 此外，为了加速训练和缓解噪声干扰问题，在上述基础上，论文提出了一种残差时空自编码器的视频异常检测算法。对网络模型的深度做了拓展，并使用残差连接进一步增强了模型的能力，将大量不变的背景信息迅速地传播到深层网络，更好地检测视频异常帧。同时引入了感知损失联合函数，缓解了噪声对于建模的干扰。最后在3种主要的数据集上做了相应的实验，实验表明本文所提方法在异常判别以及抗噪声干扰方面优于ConvAE、FR+ED和Unmasking等算法。UCSDPedestrian上的消融实验也表明本文算法的有效性，具有良好的判别能力和对噪声的鲁棒性。 同时根据视频监控的特点，通过场景设计、流程设计以及功能设计等，设计研发了一个校园人行道视频异常检测系统软件，验证了上文所提算法的有效性。
NETL