基于稀疏表示和低秩逼近的自适应异常事件检测算法

作者：周晓雨; 余博思; 丁恩杰

来源：南京理工大学学报, 2016, 40(06): 666-673.

DOI：10.14177/j.cnki.32-1397n.2016.40.06.005

• 稀疏表示
• 低秩逼近
• 异常事件检测
• 低秩稀疏编码模型
• 字典学习
• K-均值聚类

针对传统异常事件检测算法没有考虑视频数据低秩特性的问题,提出了基于低秩稀疏编码模型的字典学习算法。对提取的多尺度三维时空梯度特征进行K-均值聚类。利用低秩稀疏编码模型进行每一个特征聚类的字典学习。通过迭代聚类和字典学习获取所有的正常行为模式。采用公共数据集UCSD Ped1和Avenue检测该算法的性能。与社会力(SF)、混合概率主成分分析(MPPCA)、社会力-混合概率主成分分析(SF-MPPCA)、混合动态纹理(MDT),Adam、子空间(Suspace)、稀疏组合学习框架(SCLF)7种方法对比,该文算法具有较高的正确率和较强的实时性。

• 单位
  南京理工大学; 中国矿业大学（北京）; 中国矿业大学