基于卷积神经网络嵌套模型的人群异常行为检测_孙月驰.pdf

第36卷第3期计算机应用与软件Vol.36No．32019年3月ComputerApplicationsandSoftwareMar．2019基于卷积神经网络嵌套模型的人群异常行为检测孙月驰李冠*()山东科技大学计算机科学与工程学院山东省智慧矿山信息技术重点实验室山东青岛266590摘要为了提高对运动目标的精确提取减少冗余特征信息提升算法的泛化性能和非线性拟合能力提出基于卷积神经网络嵌套模型的人群异常行为检测方法。通过嵌套mlpconv层改进卷积神经网络结构利用混合高斯模型有效、精确地提取出视频中前景目标。嵌套多层的mlpconv层自动学习前景目标的深度层次特征生成的特征图经过向量化处理输入到与全连接层相连的Softmax分类器进行人群中异常行为检测。仿真实验结果表明该算法减少了对冗余信息的获取缩短了算法运算时间和学习时间改进的卷积神经网络在泛化性能和非线性拟合能力都有提高对人群异常行为检测取得较高准确率。关键词卷积神经网络混合高斯模型嵌套mlpconv层异常行为检测:中图分类号TP3文献标识码ADOI10．3969/j．issn．1000-386x．2019．03．036ABNOＲMALBEHAVIOＲDETECTIONOFCＲOWDSBASEDONNESTEDMODELOFCONVOLUTIONALNEUＲALNETWOＲKSunYuechiLiGuan*(ShandongKeyLaboratoryofIntelligentMineInformationTechnologyCollegeofComputerScienceandEngineering)ShandongUniversityofScienceandTechnologyQingdao266590ShandongChinaAbstractInordertoimprovetheaccurateextractionofmovingobjectsreduceredundantfeatureinformationextractionimprovethegeneralizationperformanceandnon-linearfittingabilityofthealgorithmweproposedanabnormalbehaviordetectionofcrowdsbasedonnestedmodelofconvolutionalneuralnetwork．Thismethodimproved