17、自动化视频中的暴力检测技术研究

自动化视频中的暴力检测技术研究

1. 暴力流描述符

暴力流是一种重要的特征描述符，它以向量形式使用量化值的频率。与其他描述符不同，它不考虑时间信息的大小，而是对每个大小进行比较，因为这在前置帧方面能提供更有意义的度量。它不使用局部外观，而是考虑光流大小随时间的相似性。

2. 建模技术分类

建模技术分为有监督和无监督两类。有监督的训练数据包含正常和异常视频，而无监督的训练数据仅包含正常视频。

2.1 有监督模型

• 浅层模型
  • 相关工作 ：Wang和Snoussi引入光流方向直方图作为描述符，输入到单类支持向量机（SVM）进行分类；Zhang等人提出使用运动改进的韦伯局部描述符（MoIWLD）捕获低级特征，再输入到基于稀疏表示的分类器，该方法在三个暴力检测基准数据集上表现出色。
  • 支持向量机（SVM） ：最接近超平面且改变其位置的数据点称为支持向量。超平面是维度比数据空间少一维的平面，用于划分数据类别。SVM主要用于分类问题，通过生成超平面来对数据进行分类。常用的核函数有线性核、多项式核和径向基函数（RBF）核。Hassner等人使用ViF描述符表示光流向量大小的变化，并使用线性SVM检测暴力。
• 深层模型
  • 相关工作 ：Ionescu等人使用二元分类器区分两个连续视频序列，通过迭代训练，在每一步去除最具判别性的特征，提