基于HOG3D描述器与稀疏编码的异常行为检测方法

提出了一种基于稀疏编码理论的视频异常行为检测方法,并使用HOG3D空-时描述器表征视频序列的形态及运动信息。首先,从正常视频序列中提取空-时兴趣点,获得其特征向量作为训练样本。通过K-SVD字典训练算法构建过完备字典,使得正常样本在所构建字典上的表达具有很好的稀疏性。在稀疏编码过程中,按视频段读取测试视频序列,求解特征信息在字典上的关于其稀疏系数的凸优化问题,然后根据稀疏编码改进公式求得重构误差数值。最后的判断阶段,计算视频段的相对重构误差,相对重构误差为正表明为异常视频段,否则为正常视频段。在UMN数据库3个场景及Weizmann数据库上进行实验,验证了本文算法的有效性。将实验拓展到现实监控视频中,结果表明本文方法在实践中同样具有较好的应用价值。