摘要
本发明涉及了一种基于深度学习和动态聚类的监控视频异常事件检测方法。特征提取阶段,运用深度学习网络PCANet,通过训练视频学习出对应的网络滤波器,并通过深度网络来将低层的像素点光流特征转化成高层的语义运动特征;同时通过对视频当中运动区域的筛选,剔除掉只包含有背景信息的时空采样块。在特征建模阶段,运用基于两层聚类的非参数模型来对特征向量空间进行建模,并在向量合并阶段采用向量相向合并的方法,最后运用K均值聚类算法将字典集合中的向量聚类成一系列的事件簇,并根据测试向量与事件簇中心向量之间的欧氏距离来进行异常事件判断。本发明有效的避免了因相加而导致的特征向量发生偏移,提高了异常事件检测率。