基于时间递归神经网络的人群异常检测和定位系统及方法

摘要

本发明公布了一种基于时间递归神经网络(recurrent neural network)的人群异常检测和定位系统及方法。该方法在对采集到的样本数据进行预处理的基础上对场景进行网格化划分，将由n帧构成的视频片段划分成多个时空块。然后从每个时空块中构造多规模光流直方图和Gabor小波纹理特征。向量化并合并多个时空块中的特征，将视频片段作为时间序列，分别利用时间递归神经网络的隐含节点和反馈节点来发现空间维度和时间维度的关系，训练能检测长依赖关系的时间递归神经网络模型。最后利用该模型进行人群异常检测和定位。该方法具有较好的实时性和准确性，能检测由少数个体或者是由大量个体触发的异常。

主权项

一种基于时间递归神经网络的人群异常检测和定位系统，其包括：异常视频训练样本数据库，用于存储各种已标注的包含异常视频片段的训练样本，并定期进行更新；异常检测结果数据库，用于存储异常检测的结果，以便管理员对结果进行更正；监控视频数据数据库，用于存储从监控视频中获取的视频数据；模型数据库，用于存储训练好的模型；用户接口，用于提示用户异常发生并输出结果给用户和方便用户查看历史检测结果；管理员接口，用于管理员定期对检测结果进行修正，并将结果保存到视频训练样本数据库中，对模型进行更新修正；或者构建初始异常视频训练样本数据库；数据接口，用于从监控设备上获取视频数据，并将视频数据保存到监控视频数据数据库中，或者直接将实时数据用于异常检测和定位；视频数据预处理模块，用于对视频数据进行各种图像预处理操作，方便之后的特征提取；特征抽取模块，用于对预处理后的视频数据进行特征抽取，将视频信息向量化；时间递归神经网络模型训练模块，用于根据数据库中已有的训练样本训练时间递归神经网络模型，并将模型保存到模型数据库中；异常检测模块，从异常数据库中读取模型，并将向量化的视频信息输入到已训练好的时间递归神经网络模型中进行异常检测和定位。