科研之友
微信
新浪微博
Facebook
分享链接
摘要
交通异常事件检测是智能交通系统的重要组成部分,对于维护交通秩序具有不可替代的作用。现今大多数研究都集中在检测那些与一般事件具有显著差异的异常事件,因此很难识别由多个目标相互影响而引起的异常。本文提出一种基于稀疏主题模型的无监督方法用于捕获监控视频中的运动模式并进行异常检测。利用SIFT流对稠密轨迹进行改进,以减少在提取兴趣点和描述符时受到的干扰。为了获得完备的轨迹时空信息,采用了Fisher核方法获得轨迹的表示并将其量化为视觉词。随后,提出了一种稀疏主题模型用于视频场景的分析,不仅可以查找视频中的潜在运动模式,同时可以实现对视频的稀疏表示。最后,分别从视频序列和视觉词两个方面进行异常检测。实验在QMUL数据集和AVSS数据集上进行,实验结果证明了本文方法的有效性。
