基于非均衡时序的监控视频异常事件检测方法技术

技术编号:8348027 阅读:336 留言:0更新日期:2013-02-21 01:46
本发明专利技术提供一种基于非均衡时序的监控视频异常事件检测方法。首先进行时序特征提取,得到视频段的时序特征,然后进行模型训练获取非均衡时序模型,最后进行事件检测检测异常事件是否发生。所述时序特征提取首先进行视频分段得到需要进行异常事件检测的视频段,然后再进行特征提取,提取视频段的特征;所述模型训练首先进行训练集选取,选择非均衡分布的时序特征样本作为训练集,其中非均衡分布的时序特征样本中异常事件数量少于正常事件;然后进行模型获取,使用非均衡时序方法对样本进行训练,获取非均衡时序模型。所述的非均衡时序方法首先进行时序特征处理,然后进行非均衡数据处理,在支持向量机中引入非均衡参数,使支持向量机适用于非均衡分布的数据集。

【技术实现步骤摘要】
技术邻域本专利技术涉及一种,属于监控视频的事件检测领域。
技术介绍
近年来,随着监控摄像头在各个公共场所的广泛应用,依靠人来观察监控视频的传统方法已经变的不适用,异常事件检测系统成为一个热门的研究课题。监控视频中的异常事件检测系统可以自动地检测出异常事件,并发出预警,可以极大地减少人力资源的浪费。 在异常事件检测系统中,存在着以下两个难点1)与正常事件相比,人们感兴趣的异常事件的数量非常少,这样就造成了正常事件和异常事件分布极度不均衡;2)每个异常事件发生的时间都不是固定的,需要考虑时序间的变化。异常事件检测系统中,现有的分类方法一般都只是考虑到其中的一个方面,比如Y. Li和J. Shawe-Taylor在2003年《PACLIC17 (第十七届亚太地区语言、信息与计算学术研讨会)》,第 216 到 227 页发表的 “The SVM with uneven margins and Chinesedocument categorization (基于非均衡边缘的支持向量机和中文文档分类)” 一文中提出的基于非均衡边缘的支持向量机方法解决了非均衡分类问题,忽视了事件的时序方面;而Shimo本文档来自技高网...

【技术保护点】
基于非均衡时序的监控视频异常事件检测方法,其特征在于:首先进行时序特征提取,得到视频段的时序特征,然后进行模型训练获取非均衡时序模型,最后进行事件检测检测异常事件是否发生。

【技术特征摘要】

【专利技术属性】
技术研发人员:王耀威夏子威田永鸿黄铁军
申请(专利权)人:北京理工大学北京大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1