王梦来　李想　陈奇　李澜博　赵衍运



基于CNN的监控视频事件检测

王梦来1李想1陈奇1李澜博1赵衍运1

复杂监控视频中事件检测是一个具有挑战性的难题，而TRECVID-SED评测使用的数据集取自机场的实际监控视频，以高难度著称.针对TRECVID-SED评测集，提出了一种基于卷积神经网络（Convolutional neural network，CNN）级联网络和轨迹分析的监控视频事件检测综合方案.在该方案中，引入级联CNN网络在拥挤场景中准确地检测行人，为跟踪行人奠定了基础;采用CNN网络检测具有关键姿态的个体事件，引入轨迹分析方法检测群体事件.该方案在国际评测中取得了很好的评测排名：在6个事件检测的评测中，3个事件检测排名第一.

卷积神经网络，事件检测，行人检测，目标跟踪，轨迹分析

引用格式王梦来，李想，陈奇，李澜博，赵衍运.基于CNN的监控视频事件检测.自动化学报，2016，42（6）：892-903

随着监控设备的发展与普及，研发监控视频事件检测（Surveillance event detection，SED）技术具有重要意义.TREC（Text Retrieval Conference）［1］由美国国家标准技术研究院（National Institute of Standards and Technology，NIST）［2］主办，是文本检索领域最权威的评测会议.2001年，NIST设立视频检索（TREC video retrieval evaluation，TRECVID［3］）专项测评任务，每年举行一次；2008年，为带动世界上各高校、研究院所和企业对智能监控系统的研究，TRECVID加入了SED任务.SED项目数据采集自英国伦敦盖特威克国际机场的实际监控视频，视频长度为144小时.由于机场监控视频中背景环境复杂、人群密度大、人与人之间的遮挡严重、场景内光照变化等干扰因素的存在，SED评测的数据库以高难度著称，在此数据库上进行事件检测极具挑战性.