面向现实世界异常检测的多流深度神经网络与晚期模糊融合

视频中的异常事件检测也称为离群点检测，机器学习在此类任务中表现出显著的高效性。在对未知视频进行测试时，此类方法的目标是判断视频所属类别，例如正常或异常。本文利用正常与异常视频的视觉信息，训练一种基于深度多实例学习（Deep Multiple Instance Learning, MIL）的分类器，以实现视频的分类。现有多实例学习分类器通常假设训练视频中仅包含短时异常事件，这一假设在真实世界中的异常场景中可能并不成立，且训练视频中出现多次异常的情况亦无法排除。本文研究表明，通过在特征提取过程中引入时间信息，可显著提升异常检测的性能。为实现该目标，本文在训练视频上并行应用了两个时空深度特征提取器，提取出的特征流随后用于训练一种改进的基于多实例学习的分类器。最后，采用模糊聚合方法对各异常得分进行融合，以增强整体判别能力。此外，为验证模型在火灾与交通事故等具体事件分类上的有效性，本文还引入了两个轻量级深度学习分类器进行辅助验证。为评估所提方法的可靠性与性能，本文基于包含13类异常的UCF-Crime视频数据集开展了大量实验。为进一步研究方法的鲁棒性，该数据集被重新划分为五个基于行为严重程度的广义类别。实验结果提供了充分的实证支持，证明在检测流程中引入时序特征能够显著提升异常检测的准确率。尤为重要的是，该模型能够有效识别长时间持续的异常事件，这是现有方法难以实现的突破。所提出的端到端多流架构在异常事件检测任务中取得了高达84.48%的准确率，优于当前主流的视频异常检测方法。同时，在各类别层面的检测准确率相较以往方法提升了6%至14%，充分体现了该模型在复杂现实场景中的优越性能与广泛适用性。