基于3D 卷积自编码器的视频异常行为检测

连靖，胡兴，黄影平

（上海理工大学 光电信息与计算机工程学院，上海 200093）

0 引言

智能视频监控系统能够广泛地应用于生产及生活领域的安全防护［1］。随着监控设备价格的降低，以“天网监控系统”为代表的监控系统已全方位深入到社会每个角落。视频异常行为代表一类相对罕见的行为，一般与常见的行为相冲突，具有一定的危险性，及时准确地检测视频异常行为对于维护社会安全具有重要意义。视频异常检测旨在通过计算机视觉，结合机器学习等方法，在时间和空间上定位视频序列中有违常规行为。例如，车辆逆行、打架、人群逃散等行为。合适的视频异常行为检测方法能够自动学习场景中的正常行为模型，并自动判断出与正常模型偏差较大的异常行为，不仅大大减少了劳动成本，而且有着较好的时效性和准确率。

不同于其它基于监督学习的视频行为识别任务，由于异常行为具有定义模糊性［2］、稀有性［3］、场景依赖性［4］等特点，所以监督学习不能很好的适用于视频异常检测。因此，大多数视频异常检测都是通过无监督学习的方式来实现的。文献［5］中首次运用深度去噪自编码器重建时空立方体，通过全连接层进行输出作为习得的视频事件表示；文献［6］使用卷积深度自编码器，通过卷积代替全连接层，以便更好地提取视频特征；文献［7］使用赢家通吃自编码器提取视频特征，并使用一类支持向量机进行分类等等。以上文献均使用了深度自编码器，并取得了较好的效果。……