基于場景相似性和光流的人群異常檢測方法

馬國祥 楊文忠 溫杰彬 姚苗 秦旭

摘 ?要： 針對視頻中人群異常行為檢測問題，提出一種基于場景相似性和光流的人群異常行為檢測方法。該方法分別使用卷積網絡和光流提取視頻中人群的外觀特征和運動特征。在外觀特征方面，使用感知哈希算法得到場景相似性異常值;在運動特征方面，改進Shi?Tomasi特征提取算法，并利用局部光流法提取運動特征異常值。文中將兩種特征的異常值融合作為異常行為的判定依據。在異常行為建模方面，使用單分類SVM對異常值進行建模。在UMN基準數據集上進行對比試驗，文中提出的融合方法取得了較好的檢測效果，AUC值能夠達到0.91。

關鍵詞： 異常行為檢測; 外觀特征提取; 運動特征提取; 特征融合; 行為建模; 對比試驗

中圖分類號： TN911.23?34; TP391.4 ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）02?0090?07

Method of crowd anomaly detection based on scene similarity and optical flow

MA Guoxiang1， YANG Wenzhong2， WEN Jiebin2， YAO Miao1， QIN Xu1

Abstract： As the detection of the crowd abnormal behavior in the video， a method of crowd abnormal behavior detection based on scene similarity and optical flow is proposed. In this method， the convolutional network and optical flow is respectively used to extract the appearance features and the motion features of the crowd in the video. In terms of the appearance features， the abnormal values of scene similarity are obtained by means of the perceptual hash algorithm （PHA）. In the aspect of the motion features， the Shi?Tomasi feature extraction algorithm is improved， and the abnormal values of motion features are extracted by means of the local optical flow method. The fusion of the two features′ abnormal values is taken as the basis for the determination of abnormal behavior. In the aspect of the abnormal behavior modeling， modeling of the abnormal values is carried out with the single classification SVM. The contrast test was performed on the UMN benchmark data sets. The fusion method proposed in this paper has achieved good detection results， and the AUC value can reach 0.91.

Keywords： abnormal behavior detection; appearance feature extraction; motion feature extraction; feature fusion; behavior modeling; contrast test

0 ?引 ?言

近年來，群體斗毆、非法聚集等群體異常行為時有發生，對社會的公共安全造成很大的威脅[1]。因此，對監控場景的群體異常行為檢測，實現在線預警成為計算機視覺和模式識別等領域重要的前沿課題。然而，由于視頻中人群運動的復雜性和異常事件的多樣性，難以對視頻中的異常行為進行準確描述。其次，視頻監控大都部署在人群密集的公共場所，監控場景多樣且人群中個體之間存在相互遮擋，導致提取的行為特征不準確、異常行為建模困難等問題。

目前，國內外學者在群體異常行為檢測方面已經取得了一定成果。其中，Mehran等人提出了社會力異常行為檢測模型，該方法利用社會力模型描述的視頻序列中的運動特征與周圍空間的相互作用力，并根據社會力的強度描述視頻圖像中運動物體的行為，最后使用詞袋模型對當前幀的異常行為進行檢測[2]?；诠饬餍畔ⅲ芯咳藛T建立了多種模型進行異常行為檢測，如運動影響系數矩陣[3]、運動能量模型[4]、能量模型[5]等。

另外，文獻[6]提出對時空視頻序列進行聚類的異常行為檢測方法，該方法首先利用交互式視頻摳像技術提取訓練模板，并利用改進的均值漂移算法將視頻自動分割成三維時空塊;然后在視頻上滑動模板并計算匹配距離，從而實現對異常行為的檢測。這些方法主要關注的是視頻序列中運動目標軌跡或光流和梯度等底層次特征的表示[7?9]，并且需要手動提取特征。這種人工干預的特征提取方式，導致從視頻序列中提取出的運動和外觀特征主觀性強、描述性弱，只能適用于單一場景的異常檢測，難以應用于復雜多變的現實場景中。

近年來，深度學習的方法在圖像領域得到了廣泛的研究，如物體分類[10]、人臉識別[11]、文字識別[12]、行為識別[13]等。其中，卷積神經網絡以其優秀的特征提取能力成為圖像研究領域最為有效的工具之一，并得到廣泛的應用。因此，本文將卷積網絡應用于人群異常行為檢測中，提取更深層次的圖像特征。然而，在人群異常行為檢測問題中，由于異常數據集常常難以收集，所以無法完成對多層卷積網絡反向傳播的訓練過程，即使可以完成訓練，也會由于數據集中訓練樣本數量較少，導致過擬合等問題。

根據文獻[14]，可以使用已經訓練好的AlexNet卷積網絡模型進行特征提取，不僅降低模型訓練復雜度，而且增加了卷積網絡的靈活性。由于卷積網絡提取的特征映射較多，本文使用感知哈希算法進行編碼壓縮后再進行相似度比較。此外，為了提高模型的魯棒性，將局部光流方法融合到基于CNN的感知哈希算法中;然后融合兩種異常值并使用單分類SVM進行異常行為建模。經過在UMN[15]基準數據集上驗證，本文提出的算法能夠取得較好的異常檢測效果。

1 ?算法思路及步驟

本文從場景相似性和局部光流值變化的角度出發，提出了一種魯棒的視頻人群異常行為檢測模型。首先，利用遷移學習的思想，將視頻序列輸入已經預訓練好的卷積網絡提取人群外觀特征;并使用感知哈希算法對提取到的特征圖進行編碼，得到當前圖像特征指紋;計算相鄰幀間圖像指紋相似度，并根據相似度的大小確定當前幀的異常程度。視頻文件的特征不僅包含了圖像外觀高層語義特征，還包括視頻中目標移動所產生的運動特征。

本文提出使用基于Shi?Tomasi特征點增強的Lucas?Kanade光流方法提取目標的局部光流特征。最后，將幀間相似度和光流值融合作為最終異常行為判定的依據。在異常行為建模方面，本文使用One?class SVM對正常情況下的融合值進行建模，從而避免閾值等不確定性因素對人群異常檢測的影響。

具體框架如圖1所示。

1.1 ?深度外觀特征提取

外觀特征提取是進行圖像高層語義識別的重要一步。為了能夠提取更好的外觀特征，本文使用卷積網絡作為特征提取的工具。目前很少有專門為異常檢測任務訓練的卷積網絡模型。但是，卷積網絡在圖像處理中擴展性較強，可以將圖像分類任務中得到極好驗證的網絡模型遷移在其他類似的圖像處理任務中。

本文使用AlexNet[10]卷積網絡模型，包含5個卷積層和兩個全連接層。該模型訓練了1 183個類別，每個類別都有來自MIT數據庫的205個場景類別，以及360萬幅來自ILSVRC2012 （ImageNet）訓練數據集的978個對象類別[16]。本文為了能夠得到輸入圖像的特征圖，移除AlexNet卷積網絡的最后兩個全連接層。通過該模型提取的特征圖，能夠保持原圖更多的局部和全局信息，對應著原圖中更大范圍的感受野。因此，可以保持更多的空間上下文信息。當一幀圖像經過本文的卷積網絡，會產生256個6×6的特征圖[It]，記為：

[It=fti，j，1，fti，j，2，…，fti，j，K]

式中：[K]的值為256，表示第[t]幀的圖像經過卷積網絡提取的256個特征圖;[i，j]表示二維特征圖的第[i]行第[j]列的像素坐標點。AlexNet網絡結構如圖2所示。

1.2 ?感知哈希編碼

由于視頻圖像的計算代價較高，為了提高視頻中幀間的異常檢測的處理效率，降低模型的計算復雜度，本文使用基于圖像指紋的感知哈希算法。感知哈希（Perceptual Hash）是一種基于認知心理學的信息加工理論，由多媒體數據集到多媒體感知摘要集的一類單向映射，將具有相同感知內容的多媒體數字表示成唯一的映射作為一段數字摘要，并滿足感知安全性要求的哈希算法[17]。

此外，為了壓縮數據量，消除冗余數據，感知哈希算法使用2?D離散余弦變換（Discrete Cosine Transform，DCT）[18]進行數據壓縮，DCT圖像變換編碼技術可以在消除冗余數據的同時，盡可能多地保留原始圖片的有用信息，能夠有效地避免在存儲、傳輸、處理等階段帶來的額外計算代價。本文對視頻每一幀提取到的卷積特征使用感知哈希算法進行編碼。根據第1.1節可知，第t幀圖像經過AlexNet卷積網絡后產生的卷積特征圖為[It=fti，j，1，fti，j，2，…，fti，j，K]。本文針對卷積網絡提取到的特征圖使用感知哈希算法進行編碼，得到第[t]幀圖像的[K]個特征圖指紋集合[Φt]：

[Φt=T1，T2，…，TK]

式中：[TK]為每個特征圖[ft]生成一個64位的特征圖像指紋;[K]的值為256，表示256個特征圖。提取視頻幀的圖像指紋結構圖如圖3所示。

為了有效地捕捉視頻序列在時域上的變化，本文取連續10幀視頻塊的特征相似度的均值作為當前幀的異常度。由于提取到的圖像指紋編碼為二進制編碼，所以本文使用海明距離度量幀間相似度。計算公式如下：

[Asimilarity=1Nt-10≤i≤tHΦi，Φi]

式中：[N]取10，即前10幀與當前哈希編碼比較相似度;[H·]為相似性度量函數，取海明距離;[Φi]為當前圖像的特征指紋。

1.3 ?改進Shi?Tomasi特征點檢測方法

Shi?Tomasi算法是對Harris算法的簡單改進，用于檢測圖像中沿著各個方向灰度值均發生劇烈變化的點，或是邊緣曲線上取極大值的點[19]。該算法中引入了一階偏導數即圖像中鄰域像素梯度，計算圖像局部的小窗口沿著各個方向以微小量移動后圖像灰度的變化。其基本思想為：若沿著任意方向移動灰度變化都很小，則小窗口處于圖像的平坦區域;若沿某一特定方向移動灰度變化很小，且沿著其垂直的方向移動，灰度變化很大，則小窗口在圖像邊緣處;若沿任意的方向移動灰度變化都很大，則小窗口在角點處。若局部窗口[W（x，y）]平移[Δx，Δy]后，灰度變化的形式化表示如下：

[GΔx，Δy=W（x，y）ω（x，y）Ix，y-I（x+Δx，y+Δy）2] （1）

式中：[ω（x，y）]為加權函數，常用高斯加權函數;[Ix，y]表示點[x，y]處的灰度值。將式（1）泰勒展開，得：

[GΔx，Δy=Δx，ΔyM（x，y）ΔxΔy]

[Mx，y=W（x，y）ω（x，y）I2xIxIyIxIyI2y]

式中，[Ix]，[Iy]分別表示圖像灰度在[x]，[y]方向上的梯度值。定義特征點響應函數為：

[R=min （λ1，λ2）]

通過計算自相關函數的兩個特征值，若最小的特征值[R]大于閾值時，當前特征點即為Shi?Tomasi角點。

Shi?Tomasi角點提取方法具有較好的穩定性，不易受到光照條件、噪聲等影響。但是由于人群場景的復雜性，利用該方法檢測出的角點數量有限，不能很好地表示關鍵位置的運動特征。所以，為了提高表征顯著運動特征的能力，本文提出將LOF（Local Outlier Factor）[20]異常檢測算法應用在角點特征的檢測中增加異常角點數量。當前幀初始角點[Pt]為Shi?Tomasi檢測的默認角點[Pt0]以及前兩幀的LOF算法檢測出的光流顯著變化的角點[St-1]，[St-2]的總和。具體算法如下：

算法描述：

begin

for each frame in T：

1） 計算當前幀圖像的Shi?Tomasi角點[Pt0]

2） 計算前兩幀每一個特征點的光流;

[Vt-1=Vt-1p0，Vt-1p2，…，Vt-1pn]

[Vt-2=Vt-2p0，Vt-2p2，…，Vt-2pn ]

3） 使用LOF算法提取顯著特征點;

[St-1=LOFVt-1]

[St-2=LOFVt-2]

4） 保留前兩幀檢測出的顯著角點，添加到當前初始角點中，作為檢測下一幀的初始局部特征點;

[Pt=Pt0∪St-1∪St-2]

end

改進Shi?Tomasi特征點檢測算法后，特征點檢測在UMN數據集上的檢測結果如圖4所示。

圖4中，左邊是原始Shi?Tomasi算法檢測后的特征角點;右邊是經過改進后的Shi?Tomasi特征點增強算法。其中綠色為增強到當前幀的特征角點，黃色為原始角點。從圖中可以看出，在運動較劇烈的位置，角點數量有了明顯提高。

1.4 ?金字塔Lucas?Kanade光流提取算法

光流（Optical Flow）的基本定義是三維空間中運動目標在成像平面中對應像素的二維運動瞬時速度。其中，LK（Lucas?Kanade）算法是一種稀疏光流跟蹤方法，與Horn?Schunck算法的全局平滑約束條件不同，LK光流法認為像素在小范圍區域有近似相同的運動。因此，只需要獲取興趣點領域內的局部信息即可，即光流的局部平滑約束。但是，利用小范圍領域來度量光流的方法存在不足之處，當較大的運動出現時，會導致特征點移出度量領域的情況發生，從而造成無法再找到這些點。因此，有學者提出金字塔LK光流算法，即從圖像金字塔的最高層開始向金字塔的底層進行迭代跟蹤。基于金字塔模型的LK光流跟蹤方法既可以估計小范圍內微小的光流變化，也可以估計特征角點運動較大時的光流。金字塔光流如圖5所示。

因此，本文針對提取到的人群特征點，使用光流檢測效果較好的金字塔LK光流方法計算特征點光流變化情況，并將光流作為運動特征用于人群異常事件建模。

2 ?群體異常行為建模

由于在復雜的人群視頻場景中，異常行為發生的次數較少且模式多變[21]。針對這個特點，本文使用基于單類別的異常檢測技術One?class SVM。該方法假設訓練數據集服從一個統一的分布，并學習該分布的邊界，以此界定當前觀測樣本是否屬于該類。如果觀測樣本被分在邊界之外，則被認為是異常樣本點。所以，根據計算到的幀間相似性和局部光流的異常值，選用正常情況下的數據樣本，對One?class SVM進行訓練，從而完成對異常事件的建模。

2.1 ?One?class SVM模型

One?class SVM是一個使用廣泛的異常檢測算法，該方法的主要思路是學習訓練數據集的外接超平面。當觀測樣本數據落在超平面的外面，則當前觀測判定為異常。假設給定訓練樣本數據為[D=dkiNki=1]，則One?class SVM模型優化方程形式化為：

[minw，ρ12w2+1vNki=1Nkξi-ρ]

[s.t. ?wTΦdki≥ρ-ξi，ξi≥0]

式中：[w]為需要根據訓練數據學習的權重向量;[ρ]為偏置值;超參數[v∈（0，1]]表示訓練誤差分數的上界和支持向量分數的下界;[Φ?]為特征映射函數，將原始空間的樣本數據[dki]映射到更高維的空間，使其能夠線性可分，進而求解最大超平面。本文由于異常值樣本數據維度不高，數據分布較為簡單，所以[Φ?]選用線性映射函數。本文中，使用UMN數據集中正常情況下的融合異常值，進行單分類SVM模型的訓練。

2.2 ?異常值融合

根據計算的幀間不規則度和局部光流的異常值，本文采用乘積的方式進行融合操作，具體公式如下：

[At=（1-Atsimilarity）R（Atlk）]

式中：[（1-Atsimilarity）]表示幀間不規則度;[Atlk]表示局部光流值。此外，對當前幀的局部光流值進行歸一化操作，歸一化函數[R（?）]使用雙曲正切函數。根據異常規則，當場景中發生異常行為時，幀間不規則度和局部光流值會出現急劇突變的情況。

計算得到當前幀的異常值[At]后，根據已經訓練好的One?class SVM模型確定當前幀是否為異常幀，判別公式如下：

[正常幀， ? ? 模型為inlier異常幀， ? ? 模型為outlier]

3 ?實驗結果與分析

本實驗的硬件平臺采用Intel i5 2.3 GHz，4 GB內存，軟件平臺為Windows環境下Python語言編寫試驗代碼。選取UMN人群異常數據庫作為模型測試數據集。試驗結果表明本文提出的方法能夠有效地對人群異常事件進行檢測。

3.1 ?數據集

UMN數據集包括綠地、室內、廣場三個場景共11個視頻片段，視頻像素分辨率均為240×320。場景中包含的正常行為定義為：一群人停住、行走或游蕩;異常行為有：人群奔跑、人群逃散等視頻場景中目標的劇烈運動情況。UMN數據集人群正常與異常行為舉例如圖6所示。

3.2 ?實驗設計

為了驗證本文提出方法的有效性，分別在場景相似性、局部光流、融合場景相似性和局部光流三種情況下進行測試。在UMN數據集中各場景的檢測結果圖7所示。其中，圖7為三種方法的異常值波動曲線，陰影區域為算法檢測到的異常幀，曲線綠色部分表示標記為正常幀的波動情況，曲線紅色部分表示標記為異常的波動情況。表1為綠地場景一的量化數據。本文取綠地場景一中前600幀作為實驗數據。

從圖7可以明顯地看出異常值的幅度變化情況，當異常值出現急劇變化的情況時，則表明當前時刻該場景發生了異常事件。三種方法均能檢測到異常事件的發生，但是可以從圖7a）明顯看出在使用CNN及感知哈希算法情況下，檢測到的異常事件存在一定的滯后;而圖7b）使用LK局部光流算法雖然在檢測及時性方面有所改善，但是存在誤檢的情況;圖7c）是融合了兩種算法后的異常值波動情況，可以看出在誤檢率和檢測精度方面都有所改善。

表1為三種方法檢測結果的具體量化，對比三種檢測方法，在檢測準確率方面結合CNN的感知哈希算法、LK局部光流、融合算法分別為0.90，0.97，0.97。但是，融合兩種算法的檢測結果在正常幀標記下的誤檢幀數有所降低。

本文方法在室內場景一數據集中前468幀的實驗結果如圖8、表2所示。

從圖8可以看出在該場景下的檢測效果比綠地場景稍差一些。具體體現在圖中，表現為異常幀波動情況較小，異常值抖動較為劇烈。從圖8a）明顯看出，在使用CNN及感知哈希算法情況下，當異常事件發生時，曲線雖然有所上升但是起伏程度不明顯;LK光流（圖8b））、融合方法（圖8c））兩種方法在異常值發生時，抖動劇烈，會出現在異常時刻曲線驟降的情況。本文歸結該現象的原因為數據集場景受明暗、對比度等客觀因素影響過大。導致比較幀間相似度時人群處于較暗部分，未能有效提取到人群差異和LK局部光流信息。

在室內場景的量化數據如表2所示，三種方法準確率分別為0.74，0.89，0.90。其中融合感知哈希算法和LK局部光流方法在正常標記下誤檢幀的數量有所上升，但是在準確率方面可以保持較好的檢測效果。

本文方法在廣場場景一數據集前625幀的測試情況如圖9、表3所示。

從圖9可直觀地看到，三種方法均能較好地檢測到異常事件的變化過程。但是CNN及感知哈希算法（圖9a）和LK局部光流（圖9b））均存在一定的誤檢幀;而圖9c）是融合了兩種算法，可以看出在正常標記下誤檢幀數和檢測精度方面均有所改善。從表3試驗結果可以看出，檢測結果較好。結合CNN的感知哈希算法、LK局部光流、融合算法準確率分別達到0.97，0.96，0.98。

3.3 ?對比實驗

為了評估和量化本文算法的有效性，本文選用一些已經取得較好效果的經典算法光流（Optical Flow）、社會力模型（Social Force）[2]作相關對比試驗。結果顯示，本文提出的算法在準確率方面能夠達到與最好算法接近的水平。此外，為了說明卷積網絡和感知哈希算法的結合能夠有效地檢測密集人群的異常行為，測試了不使用卷積網絡的情況下感知哈希算法對異常行為的檢測情況，對比試驗結果如表4所示。

對比上述算法的AUC值，在不使用卷積網絡提取高層外觀特征的情況下，感知哈希算法的AUC值僅為0.51;基于CNN的感知哈希方法和LK局部光流的方法的AUC值分別為0.79，0.88;而融合了基于CNN的感知哈希方法和LK局部光流的方法取得了比使用單一算法更好的效果，AUC最終取得了0.91的良好效果。

4 ?結 ?語

本文針對視頻中人群的異常行為，提出一種基于場景相似性和光流的人群異常行為檢測模型。首先，利用卷積網絡提取人群外觀特征，并使用感知哈希算法對提取到的特征圖進行編碼，計算相鄰幀間圖像指紋的相似度，根據相似度的大小確定當前幀外觀特征的異常程度。在運動特征異常檢測方面，本文使用基于Shi?Tomasi特征點增強的Lucas?Kanade光流方法提取目標的局部光流特征。最后，將幀間相似度和光流值融合作為最終異常行為判定的依據。在異常行為建模方面，本文使用單分類SVM對正常情況下的融合值進行建模，從而避免閾值等不確定性因素對人群異常檢測的影響。經過在UMN人群數據集上驗證，本文提出的算法能夠較好地檢測出視頻中人群異常，并取得較好的檢測效果。

注：本文通訊作者為楊文忠。

參考文獻

[1] HALBE M， VYAS V， VAIDYA Y M. Abnormal crowd behavior detection based on combined approach of energy model and threshold [C]// International Conference on Pattern Recognition and Machine Intelligence. Kolkata： Springer， 2017： 187?195.

[2] MEHRAN R， OYAMA A， SHAH M. Abnormal crowd behavior detection using social force model [C]// 2009 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Miami： IEEE， 2009： 935?942.

[3] LEE D G， SUK H I， LEE S W. Crowd behavior representation using motion influence matrix for anomaly detection [C]// 2013 2nd IAPR Asian Conference on Pattern Recognition. Naha： IEEE， 2013： 110?114.

[4] XIONG G， WU X， CHEN Y L， et al. Abnormal crowd behavior detection based on the energy model [C]// IEEE International Conference on Information and Automation. Shenzhen： IEEE， 2011： 495?500.

[5] CHEN T， HOU C， WANG Z， et al. Anomaly detection in crowded scenes using motion energy model [J]. Multimedia tools and applications， 2017， 77（11）： 14137?14152.

[6] YONG L， HE D. Video?based detection of abnormal behavior in the examination room [C]// International Forum on Information Technology and Applications. Chengdu： IEEE， 2010： 295?298.

[7] ZHANG Y， QIN L， YAO H， et al. Beyond particle flow： bag of trajectory graphs for dense crowd event recognition [C]// IEEE International Conference on Image Processing. Melbourne： IEEE， 2014： 3572?3576.

[8] YANG C， YUAN J， LIU J. Abnormal event detection in crowded scenes using sparse representation [M]. Amsterdam： Elsevier Science Inc， 2013.

[9] LU C， SHI J， JIA J. Abnormal event detection at 150 FPS in Matlab [C]// IEEE International Conference on Computer Vision. Sydney： IEEE， 2014： 2720?2727.

[10] KRIZHEVSKY A， SUTSKEVER I， HINTON G E. ImageNet classification with deep convolutional neural networks [J]. Neural information processing systems. 2012， 25（2）： 1097?1105.

[11] HAN X， DU Q. Research on face recognition based on deep learning [C]// 2018 Sixth International Conference on Digital Information， Networking， and Wireless Communications. Beirut： IEEE， 2018： 147?155.

[12] QU X， WANG W， LU K， et al. In?air handwritten Chinese character recognition with locality?sensitive sparse representation toward optimized prototype classifier [J]. Pattern recognition， 2018（78）： 267?276.

[13] LUVIZON D C， PICARD D， TABIA H. 2D/3D Pose estimation and action recognition using multitask deep learning [J]. Computer vision and pattern recognition， 2018（2）： 267?276.

[14] RAZAVIAN A S， AZIZPOUR H， SULLIVAN J， et al. CNN features off?the?shelf： an astounding baseline for recognition [J]. Computer science， 2014（15）： 512?519.

[15] Anon. Umn anomaly dataset [EB/OL]. [2017?12?05]. http：//mha.cs.umn.edu/Movies/Crowd?Activity?All.avi.

[16] SABOKROU M， FAYYAZ M， FATHY M， et al. Deep?anomaly： fully convolutional neural network for fast anomaly detection in crowded scenes [J]. Computer vision & image understanding， 2016， 47： 215?221.

[17] LIN K， YANG H F， HSIAO J H， et al. Deep learning of binary hash codes for fast image retrieval [C]// 2015 IEEE Conference on Computer Vision and Pattern Recognition Workshops. Boston： IEEE， 2015： 12110?12115.

[18] 章毓晉.圖像工程（下冊）：圖像理解[M].4版.北京：清華大學出版社，2018.

[19] ZHENG S， WEI W. Video?based abnormal crowd behavior detection on bus [J]. Journal of Nanjing University of Science and Technology， 2017， 41（1）： 65?73.

[20] BREUNIG M M， KRIEGEL H P， NG R T. LOF： identifying density?based local outliers [C]// ACM Sigmod International Conference on Management of Data. Dallas： ACM， 2000： 93?104.

[21] 周培培，丁慶海，羅海波，等.視頻監控中的人群異常行為檢測與定位[J].光學學報，2018（8）：89?97.

作者簡介：馬國祥（1993—），男，新疆人，碩士研究生，研究領域為計算機視覺、圖像理解。

楊文忠（1971—），男，河南人，博士，副教授，CCF會員，研究領域為輿情分析、信息安全、機器學習。

溫杰彬（1994—），男，河南人，碩士研究生，研究領域為計算機視覺。

姚 ?苗（1993—），女，新疆人，碩士研究生，研究領域為自然語言處理。

秦 ?旭（1994—），女，碩士研究生，研究領域為自然語言處理。