基于多尺度时间递归神经网络的人群异常检测

作     者：蔡瑞初 谢伟浩 郝志峰 王丽娟 温雯 CAI Rui-Chu;XIE Wei-Hao;HAO Zhi-Feng;WANG Li-Juan;WEN Wen

作者机构：广东工业大学计算机学院广东广州510006 计算机软件新技术国家重点实验室(南京大学)江苏南京210023 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2015年第26卷第11期

页      面：2884-2896页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61202269 61472089) 广东省自然科学基金(2014A030306004 2014A030308008) 广东省科技计划(2013B051000076) 广东省高校学科专业建设与质量工程专项(PT2011JSJ) 广州市科技计划(201200000031 2013Y2-00034 2014Y2-00027) 计算机软件新技术国家重点实验室开发课题(KFKT2014B03 KFKT2014B23) 

主　　题：视频监控 人群异常事件检测 时间递归神经网络 多尺度 

摘      要：如何在人群密度大、变化快、存在大量遮挡的密集场景中实现可靠的人群事件检测,是领域研究的难点和热点.在密集场景时空建模的基础上提出了一种基于多尺度时间递归神经网络的人群异常事件检测和定位方法.首先对人群场景进行网格化划分,并利用多尺度光流直方图对每个网格的人群动态进行刻画;然后,连接各个局部的人群动态获得整体的人群动态,实现整体人群动态的时间序列建模;最后,利用多尺度时间递归神经网络实现异常事件的检测和定位.其中,多尺度隐含层实现了密集场景中不同规模相邻网格之间的空间联系,节点间的反馈关系则为时间维度上的关系表达提供了有效方案.与多种代表性算法的对比实验,验证了本方法的有效性.