从视频序列中检测异常：一种新描述子

我们提出一种用于人群行为分析与异常检测的新描述子。目标是通过适当的模式度量人群中群体的形成与解散速度。该描述子受一维局部二值模式概念启发：在我们的情形中，此类模式依赖于在时间窗内观测到的群体数量。一种名为“trit”（三进制数字）的适当度量单位，表示某帧上群体的三种可能动态状态。我们的假设是，群体数量的突变可能由于异常事件引起，从而可通过将这些变化转换为基于 trit 的时间字符串序列来检测，该序列与描述“无异常”的序列显著不同。由于本工作所依据原理（依赖群体数量）的特殊性，我们比较了三种不同的人群群体提取方法。实验在 Motion-Emotion 基准数据集上进行。报告的结果指出了在哪些情况下基于 trit 的群体动态度量可让我们检测异常。除我们方法的前景可期性能外，我们展示了它如何与异常类型及相机相对于人群流动的视角（正面、侧面）相关联。