基于运动韦伯和局部约束的稀疏表示暴力检测

李建新 张 涛

1(东莞职业技术学院计算机工程系 广东 东莞 523808)2(江南大学物联网学院 江苏 无锡 214000)

0 引 言

近年来，越来越多的研究者们开始关注如何准确识别视频中的目标和事件[1-3]。暴力行为严重危害到了国家和人民的安全，故各大公共区域都安装了视频监控设备。计算机视觉技术的发展使人们意识到，可以通过计算机视觉来获取环境的一切信息[4]，包括对视频监控中的暴力行为进行检测并及时发出警报。这样不仅可以节省大量的人力物力财力，而且可以解决传统视频监控的滞后问题。

早期，Nam等[5]认为人们在火灾现场杂乱的尖叫声和跑步声等具有明显的特征，可以根据这些特征来进行暴力检测，据此提出了一种基于声音特征的暴力检测算法。近年来，基于时空兴趣点的方法[6-7]被提出用来进行暴力行为检测。该算法从视频序列帧中提取出兴趣点，然后使用词袋模型(BoW)的框架进行暴力行为检测。

迄今为止，人们开展了很多基于视频的异常检测工作[8-11]。最近几年，一些研究人员开始尝试用基于深度神经网络的算法对暴力行为进行检测[26-28]，但是深度神经网络在构建暴力特征时比较困难，因为大部分的深度学习算法模型都是针对图像构建的，忽略了视频的时序特性，无法很好地描述运动信息，暴力行为检测效率不高，而且操作步骤繁琐、特征提取的时间消耗高、不能高效执行。本文对暴力行为的检测主要集中在兴趣点的检测和特征表达上。……