端对端SSD实时视频监控异常目标检测与定位算法

发布时间：2022-01-05 03:38

　　为实现复杂场景下端对端实时视频监控异常目标检测与定位,借鉴目标检测思路,提出端对端SSD实时视频监控异常目标检测与定位算法。本算法在卷积神经网络6个不同尺度卷积特征图上采用2组3×3卷积核设置目标预选框得到异常分类及更加准确完整的异常目标边界框,完成异常检测一步式实现,同时该方法每秒可处理近58帧视频,满足实时性需要。本文算法在UCSD Ped1和Ped2中进行实验,并在3种不同评价准则下进行性能评估,在严格双像素准则下,Ped2中EER优于Cascade DNN 9.71%,优于Mohammad Sabokrou 13.41%,实验结果表明,本方法能够有效检测视频中异常行为且准确率较高。 

【文章来源】：燕山大学学报. 2020,44(05)北大核心

【文章页数】：9 页

【部分图文】：

SSD工作原理框图及预选框生成规则示意图

非极大值抑制过程示意图

在UCSDPed2中异常检测效果如图5所示,在UCSDPed1中异常检测效果如图6所示,其中框的左上角显示normal表示运动活动区域,显示abnormal表示异常所在位置,由图可见,本文算法对于UCSD数据集中的自行车、小型汽车、滑板等异常目标皆能做出较为准确的异常检测,同时得到的异常目标边界框较传统的分块方法如S-TCNN[2]更为适应,定位也更为精准。图6 UCSD Ped1 中异常检测及定位示例

【参考文献】：
期刊论文
[1]时空深度特征AP聚类的稀疏表示视频异常检测算法[J]. 胡正平,张乐,尹艳华.  信号处理. 2019(03)



本文编号：3569651