结合小波变换下采样和特征融合的视频异常检测方法

来源：南京信息工程大学学报·自然科学版杂志2026年第4期北京时间：

作者：许德刚，王鑫龙，李滨，郭玉涛，张瑞星

单位：许德刚,河南工业大学 粮食信息处理与控制教育部重点实验室, 郑州, 450001;河南工业大学 河南省粮食仓储信息智能感知与决策重点实验室, 郑州, 450001,王鑫龙,河南工业大学 粮食信息处理与控制教育部重点实验室, 郑州, 450001;河南工业大学 河南省粮食仓储信息智能感知与决策重点实验室, 郑州, 450001;河南工业大学 信息科学与工程学院, 郑州, 450001,李滨,河南工业大学 粮食信息处理与控制教育部重点实验室, 郑州, 450001;河南工业大学 河南省粮食仓储信息智能感知与决策重点实验室, 郑州, 450001;河南工业大学 信息科学与工程学院, 郑州, 450001,郭玉涛,河南工业大学 粮食信息处理与控制教育部重点实验室, 郑州, 450001;河南工业大学 河南省粮食仓储信息智能感知与决策重点实验室, 郑州, 450001;河南工业大学 信息科学与工程学院, 郑州, 450001,张瑞星,河南工业大学 粮食信息处理与控制教育部重点实验室, 郑州, 450001;河南工业大学 河南省粮食仓储信息智能感知与决策重点实验室, 郑州, 450001;河南工业大学 信息科学与工程学院, 郑州, 450001

摘要：视频异常检测任务中,基于记忆增强的自编码器框架虽能有效抑制异常样本的过拟合现象,但对正常样本的细节特征提取能力存在显著局限性.针对此问题,本文提出一种融合多尺度小波变换的视频异常检测模型.该方法以U-Net为骨干网络,通过两项核心创新实现性能突破:1)在解码器中设计基于哈尔小波变换的下采样模块,通过频域多分辨率分解机制,在压缩冗余信息的同时保留关键细节特征;2)在跨层跳跃连接间引入离散小波变换特征融合机制,利用低频分量与高频分量的跨尺度互补增强结构性表征.实验结果表明,所提方法在UCSD Ped2和CUHK Avenue数据集上的AUC指标分别达到97.0%和88.2%.消融实验结果表明,小波下采样模块与特征融合模块在CUHK Avenue数据集上分别贡献0.9和2.8个百分点的性能增益,证实了多尺度频域特征建模的有效性.

关键词：视频异常检测;小波变换;下采样;多尺度特征融合;U-Net

基金资助：河南省重大科技专项(241100210100);河南工业大学粮食信息处理中心科研平台开放课题(KFJJ2023003)