基于运动模式分析的异常行为检测

胡湘杰，夏利民，王 军

HU Xiangjie,XIALimin,WANG Jun

中南大学 信息科学与工程学院，长沙 410075

College of Information Science and Engineering,Central South University,Changsha 410075,China

1 引言

异常行为检测的研究对现今社会的秩序和安全具有重要意义。由于视频场景的复杂性和事件的多样性，异常行为检测具有相当大的难度。

Li等[1]提出目前的异常检测方法主要可以分成两类：基于轨迹的方法[1-4]和基于外观特征的方法[5-7]。前者作为最传统的异常检测方法通常包含两步，跟踪视频场景中的目标获得运动轨迹，再对跟踪轨迹进行建模分析。在目标较多的复杂场景中，目标跟踪和轨迹分析都具有比较大的难度，从而导致计算代价昂贵。解决这一问题最常见的技术就是采用特征提取的方法，Ryan等[6]提出了一种叫作光流纹理的视觉特征，并将其与空间信息结合起来对异常行为进行检测，但是这种方法只适用于检测与正常运动模式不同的行为。光流主要集中在物体的运动信息上，往往会忽略一些非动态的异常信息[8]。因此一些更加完备的表示方法被提出来，用以确保包含动态和静态信息。Zhao等[9]利用光流和轮廓特征生成时空描述，采用非负局部约束线性编码（Non-negative Locality-Constrained Linear Coding，NLLC）对异常行为进行检测。

近年来涌现出了许多不同种类的异常行为检测模型。Turek等[10]提出将一个视频的上下文分割成各个语义区域，并对上下文中的运动目标建立一个语义上下文模型，再通过该模型进行异常行为检测。Mo等[11]提出联合稀疏模型（Jointly Sparse Model，JSM）对训练样本中的轨迹进行训练获得过完备字典，并利用该字典对测试样本轨迹进行稀疏重构，再通过重构误差检测异常。……