[发明专利]基于参数自调节神经网络的人体异常行为检测方法

摘要

本发明涉及一种基于参数自调节神经网络的人体异常行为检测方法。本发明是基于一种双层神经网络，即生长式神经气体模型，利用其灵活“生长”的优势对场景中的可变行为模式进行学习和建模。本发明针对其因固定参数无法实现自适应调整的问题进行了重要改进，提出了针对气体神经元生长、学习、删除等过程中的模型参数自适应调整方法。在模型用于判断行为是否异常时，本发明提出了基于双层高斯平滑窗的判断方法，实现多变场景中的快速的异常行为判别。

主权项

1.一种基于参数自调节神经网络的人体异常行为检测方法，其步骤包括：1)对视频中的图像帧进行特征点检测，对检测到的特征点进行局部特征描述，得到局部特征向量，将局部特征向量输入生长式神经气体模型中；建立生长式神经气体模型，对气体神经元在插入、学习和删除过程中涉及到的模型参数进行自适应调整，包括：针对插入过程，通过两个自适应阈值，即内部插入阈值和外部插入阈值，控制外来神经元的适时插入操作；针对学习过程，根据新输入特征与其最近邻神经元的距离确定学习速率的调整幅度；针对删除过程，通过定义密度算子确定所需删除的神经元周围的网络分布情况，接着计算每个待删除神经元的平均累积分数，将平均累积分数低于平均水平且密度计算结果排位靠后的神经元删除；2)通过所述生长式神经气体模型对视频中的人体行为进行检测，采用双层高斯平滑窗的判断方法实现人体异常行为判别；所述双层高斯平滑窗的判断方法是：首先对输入的检测得到的局部特征序列进行异常类别判断，定义其中离正常模式距离超过平均水平的特征为异常特征；接着对异常特征的数量进行统计计算，将超过平均值的数量所引起的事件定义为异常事件。