拥挤场景中的实时异常行为检测与定位

本文提出了一种准确且实时的拥挤场景异常检测与定位方法，并提出了两种用于表示视频中异常行为的描述子。我们将视频视为一组立方块。基于异常发生的低可能性以及视频中正常块的结构冗余性，我们考虑了两种（全局和局部）视角来对视频建模。我们的算法包含两个组件，用于（1）使用局部和全局描述子表示块，以及（2）使用一种新的表示对训练块建模。我们针对所有训练块分别基于全局和局部描述子建立了两个高斯模型。局部和全局特征基于相邻块之间的结构相似性以及以无监督方式学习到的特征。我们提出了一种融合策略，将两种描述子作为系统输出进行结合。实验结果表明，我们的算法在多个标准数据集上的性能与最先进方法相当，但时间效率更高。