如何進(jìn)行雙側(cè)空間窗的異常檢測(cè)詳細(xì)方法概述

　　針對(duì)現(xiàn)有異常檢測(cè)方法難以解釋異常屬性的問(wèn)題，本文提出基于雙側(cè)空間窗的異常檢測(cè)方法。首先，在前景檢測(cè)的基礎(chǔ)上，本文對(duì)場(chǎng)景邊界區(qū)域進(jìn)行雙側(cè)空間窗采樣，提取雙側(cè)空間窗特征；隨后，為了提取異常事件的速度屬性、相關(guān)性屬性、時(shí)間差屬性的提取，本文分析了雙側(cè)空間窗的時(shí)序互相關(guān)理論和實(shí)際特性，實(shí)現(xiàn)了異常細(xì)分屬性的描述；最后為了進(jìn)一步描述目標(biāo)類別屬性，本文使用了基于快速傅里葉變換的外觀特征，利用最大間隔思想訓(xùn)練異常檢測(cè)模型。在真實(shí)場(chǎng)景BEHAVE數(shù)據(jù)庫(kù)的實(shí)驗(yàn)中，可以看出AP和AUC評(píng)價(jià)指標(biāo)超出現(xiàn)有對(duì)比方法，而且還能在沒(méi)有先驗(yàn)知識(shí)指導(dǎo)的情況下，自動(dòng)識(shí)別出監(jiān)控場(chǎng)景出入口的位置。

　　場(chǎng)景中的異常事件通常伴隨著危險(xiǎn)和安全隱患，異常檢測(cè)關(guān)注于監(jiān)控場(chǎng)景中的異常事件識(shí)別，已經(jīng)受到計(jì)算機(jī)視覺(jué)領(lǐng)域的廣泛關(guān)注。但是，由于場(chǎng)景中內(nèi)容的不同，在缺少異常清晰定義的情況下，如何實(shí)現(xiàn)異常的準(zhǔn)確識(shí)別，仍然是一項(xiàng)重要的挑戰(zhàn)。

　　在事件統(tǒng)計(jì)方面，異?？梢远x為場(chǎng)景中出現(xiàn)的小概率事件，在此基礎(chǔ)上，現(xiàn)有方法關(guān)注于不同特征提取方法基礎(chǔ)上的小概率模型構(gòu)建。光流特征作為運(yùn)動(dòng)描述被廣泛使用，Cong 關(guān)注于基于光流的運(yùn)動(dòng)特征，Hassner 使用帶閾值的光流特征ViF ，Nievas 使用SIFT 檢測(cè)點(diǎn)處的光流特征MoSIFT ，Zhang在光流特征的基礎(chǔ)上，添加Weber 梯度和方向的局部描述子MoWLD 。除了光流特征以外，現(xiàn)有方法還考慮時(shí)長(zhǎng)特征和場(chǎng)景中群體的分布特征，例如，Li 對(duì)時(shí)間段內(nèi)的圖像序列，進(jìn)行混合動(dòng)態(tài)紋理特征的小概率建模，Hu 關(guān)注于目標(biāo)跟蹤軌跡方面的異常分析，Mehran 關(guān)注于人群中不同個(gè)體的交互關(guān)系，構(gòu)建一種社會(huì)力模型。上述方法使用手工設(shè)計(jì)特征，該類特征是否符合場(chǎng)景中處在的客觀規(guī)律，難以驗(yàn)證，也約束了模型的使用范圍。

　　基于統(tǒng)計(jì)學(xué)習(xí)方法，可以將運(yùn)動(dòng)原始特征映射到隱空間，并實(shí)現(xiàn)有效的特征編碼。稀疏編碼是近年來(lái)廣泛使用的方法，Wang 使用結(jié)構(gòu)稀疏保持的編碼方式（SSS： structural semi-supervised），Babagholami使用概率半監(jiān)督字典的編碼方式（PSS： Probabilistic semi-supervised） ，Zhang 進(jìn)行局部約束的稀疏編碼（LSC： Local sparse constraint） 。隨著編碼效率的提升，現(xiàn)有異常檢測(cè)方法也改進(jìn)了分類模型的設(shè)計(jì)，Wright 使用稀疏表達(dá)分類器（SR： Sparse representation） ；而且深度學(xué)習(xí)也逐漸進(jìn)入該領(lǐng)域，蔡瑞初使用多尺度時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)方法；Xu 提出外感和運(yùn)動(dòng)的深度網(wǎng)絡(luò)結(jié)構(gòu)對(duì)異常檢測(cè)的建模（AMDN:Appearance and Motion Deep Net） 。但是，上述方法仍然將異常事件的屬性作為黑盒處理，沒(méi)有清晰的異常規(guī)則定義，實(shí)際上在真實(shí)的場(chǎng)景監(jiān)控應(yīng)用中，難以設(shè)置知識(shí)規(guī)則，也難以根據(jù)人類的經(jīng)驗(yàn)對(duì)現(xiàn)有異常檢測(cè)模型進(jìn)行拓展。