基于多尺度时间递归神经网络的人群异常检测

来源：软件学报杂志2015年第11期北京时间：

作者：蔡瑞初,谢伟浩,郝志峰,王丽娟,温雯

单位：蔡瑞初，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 21002311,谢伟浩，广东工业大学 计算机学院, 广东 广州 51000602,郝志峰，广东工业大学 计算机学院, 广东 广州 51000603,王丽娟，广东工业大学 计算机学院, 广东 广州 51000604,温雯，广东工业大学 计算机学院, 广东 广州 51000605

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.

关键词：视频监控;人群异常事件检测;时间递归神经网络;多尺度

基金资助：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)