结合双流I3D和注意力机制的视频异常事件检测

摘要：

为了减少视频异常事件检测过程中冗余帧对检测效果的影响,更好地利用视频中关键帧包含的有用信息,提出了一种结合双流膨胀卷积神经网络(Two-stream Inflated 3D ConvNets,I3D)模型和压缩-激励注意力机制多示例异常检测算法.首先,利用双流膨胀卷积神经网络提取视频时空特征;其次,通过双向长短期记忆(Bidirectional Long Short Term Memory,Bidirectional LSTM)神经网络获取视频特征长时序信息;再次,借助压缩-激励注意力机制分配特征权重;最后,通过多示例排序损失函数得到异常排序模型,并在排序损失函数中加入稀疏损失和平滑损失,更好地预测视频异常分数.实验表明,在公开数据集UCF-Crime上检测准确率达到了 82.84％,高于基线模型7.43％.

关键词：多示例学习、注意力机制、双向长短期记忆(Bidirectional LSTM)神经网络、视频异常检测

所属期刊栏目：34

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家重点研发计划2020YFC1522600

在线出版日期：2023-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：65-68