计算机应用研究

作者：李南君,李爽,李拓,邹晓峰,王长红,

单位：1.山东云海国创云计算装备产业创新中心有限公司,济南250013；2.高效能服务器和存储技术国家重点实验室,济南250013；3.齐鲁工业大学(山东省科学院),济南250353；

关键词：智能视频监控,边缘端设备,异常事件检测,主成分分析网络,分块直方图特征,

基金：山东省自然科学基金资助项目(ZR2023QF050)；国家自然科学基金资助项目(62203242)；；

现有基于CNN模型的视频异常事件检测方法在精度不断提升的同时，面临架构复杂、参数庞大、训练冗长等问题，致使硬件算力需求高，难以适配无人机等计算资源有限的边缘端设备。为此，提出一种面向边缘端设备的轻量化异常事件检测方法，旨在平衡检测性能与推理延迟。首先，由原始视频序列提取梯度立方体与光流立方体作为事件表观与运动特征表示；其次，设计改进的小规模PCANet获取梯度立方体对应的高层次分块直方图特征；再次，根据每个局部分块的直方图特征分布情况计算表观异常得分，同时基于内部像素光流幅值累加计算运动异常得分；最后，依据表观与运动异常得分的加权融合值判别异常分块，实现表观与运动异常事件联合检测与定位。在公开数据集UCSD的Ped1与Ped2子集上进行实验验证，该方法的帧层面AUC分别达到86.7%与94.9%，领先大多数对比方法，且参数量明显降低。实验结果表明，该方法在低算力需求下，可以实现较高的异常检测稳定性和准确率，能够有效兼顾检测精度与计算资源，因此适用于低功耗边缘端设备。

来源：2024年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第1期