基于svm的群體異常行為識(shí)別方法研究正文

1、 1. 緒論1.1 研究背景及意義當(dāng)今社會(huì)是一個(gè)人口密集，高度復(fù)雜的社會(huì)，面臨的突發(fā)事件和異常事件越來越多，其監(jiān)測(cè)的難度和重要性也越來越突出。現(xiàn)有的視頻監(jiān)測(cè)系統(tǒng)大多數(shù)只是進(jìn)行場(chǎng)景內(nèi)運(yùn)動(dòng)目標(biāo)的監(jiān)測(cè)和跟蹤，進(jìn)行進(jìn)一步識(shí)別與行為理解等很少，雖然人們不斷建立越來越大的視頻監(jiān)控系統(tǒng)，但這些監(jiān)控系統(tǒng)也幾乎淪為一種提供事后取證錄像的工具。然而，監(jiān)控的目的就是對(duì)監(jiān)視場(chǎng)景中的異常事件或監(jiān)控對(duì)象的行為進(jìn)行檢測(cè)與分析。在長(zhǎng)時(shí)間視頻序列中采用人工處理此類工作

2、既不實(shí)用也不經(jīng)濟(jì)，因此在視頻監(jiān)控序列中進(jìn)行一場(chǎng)檢測(cè)十分重要而且必要。群體異常事件檢測(cè)作為一種應(yīng)現(xiàn)實(shí)迫切需求而產(chǎn)生的研究領(lǐng)域，正受到越來越廣泛的關(guān)注。群體異常事件檢測(cè)旨在從視頻數(shù)據(jù)中發(fā)現(xiàn)隱藏著的、能刻畫群體異常事件的特有的信息，并通過學(xué)習(xí)的方法訓(xùn)練檢測(cè)模型，當(dāng)下次有類似異常事件發(fā)生的時(shí)候，能夠自動(dòng)并及時(shí)的發(fā)出警報(bào)，以幫助人們及時(shí)的決策處理異常事件，避免事態(tài)進(jìn)一步的擴(kuò)大。該領(lǐng)域的研究具有廣泛的應(yīng)用前景，己成為當(dāng)前研究的熱點(diǎn)之一。群體異常事件

3、檢測(cè)系統(tǒng)的漏報(bào)與錯(cuò)報(bào)必然會(huì)給人們帶來巨大的困擾和損失。目前已有的各種群體異常檢測(cè)算法大都在檢測(cè)的準(zhǔn)確率和時(shí)間效率上不盡人意，都不能應(yīng)用于實(shí)際應(yīng)用。因此，有必要對(duì)群體異常檢測(cè)算法進(jìn)行更深入研究，開拓新思路，提出新算法，以提高準(zhǔn)確率和時(shí)間效率，降低漏報(bào)錯(cuò)報(bào)率，進(jìn)而能夠更加快速高效地檢測(cè)出聚集場(chǎng)景中的異常行為，提供更有價(jià)值的信息。1.2 國內(nèi)外研究動(dòng)態(tài)及主要研究方法人類行為分析這一方向早已引起了人們的關(guān)注，1850 年，E. J. Marey

4、 and E. Muybridge 等拍攝運(yùn)動(dòng)的目標(biāo)，并發(fā)現(xiàn)了人類及動(dòng)物的運(yùn)動(dòng)中出現(xiàn)的許多令人驚喜的現(xiàn)象。近年來，隨著相關(guān)學(xué)科的發(fā)展，人類的運(yùn)動(dòng)分析作為計(jì)算機(jī)視覺的一個(gè)熱點(diǎn)方向，吸引了大量的研究人員，美國、英國等發(fā)達(dá)國家，已經(jīng)開始了大量人類行為識(shí)別項(xiàng)目的研究。1997 年美國國防高級(jí)研究項(xiàng)目署（Defense Advanced Research Projects Agency）與卡內(nèi)基梅隆大學(xué)、麻省理工學(xué)院等諸多高校合作研究視覺監(jiān)控的

5、重大項(xiàng)目 VSAM（Visual Surveillance And Monitoring） ，主要是研究對(duì)戰(zhàn)場(chǎng)及普通民用場(chǎng)景下的目標(biāo)行為識(shí)別技術(shù)；美國賓夕法尼亞州大學(xué)研究的三維人體頭部及臉部跟蹤系統(tǒng)，采用了有限元素模型對(duì)人臉動(dòng)作進(jìn)行實(shí)時(shí)跟蹤； Microsoft 公司也推出了 3D 體感攝影機(jī) Natal，逐中國科學(xué)院自動(dòng)化研究所、浙江大學(xué)人工智能研究所等。雖然人類運(yùn)動(dòng)分析還屬于一個(gè)新興的研究領(lǐng)域，但卻取得了良好的成績(jī)。例如，由中

6、國科學(xué)院計(jì)算所研究的“三維人體運(yùn)動(dòng)仿真技術(shù)的定量輔助分析系統(tǒng)” “數(shù)字化三維人體運(yùn)動(dòng)的計(jì)算機(jī)仿真和分析技術(shù)”和“基于視頻分析的技術(shù)” 。這些科研成果在雅典奧運(yùn)會(huì)上得到了實(shí)際的應(yīng)用，并且取得了巨大的成就。中國科學(xué)院自動(dòng)化研究所對(duì)人類的步態(tài)進(jìn)行分析識(shí)別，進(jìn)而判定人類的身份。浙江大學(xué)主要研究人體動(dòng)畫，從視頻流提取動(dòng)畫信息，替代傳統(tǒng)運(yùn)動(dòng)捕捉設(shè)備。微軟亞洲研究院多媒體研究高級(jí)人機(jī)交互手段。例如，通過對(duì)手勢(shì)語言的理解，還可以進(jìn)行聾人與計(jì)算機(jī)之間的手

7、語交流。盡管在人類簡(jiǎn)單行為研究中取得了一定成果，但國內(nèi)的人類群體異常行為研究還處于一個(gè)發(fā)展的階段，隨著這一領(lǐng)域研究的深入及需求的提升，必然會(huì)有更多的研究者將精力投入到這一方向。人的行為分析研究在視頻監(jiān)控系統(tǒng)中的應(yīng)用往往關(guān)注與人的異常行為，目前，異常行為檢測(cè)的實(shí)現(xiàn)方法通常有兩類：（1）把小概率行為或與先驗(yàn)規(guī)則相反的行為看作異常行為（2）把與已知正常行為的模式不匹配的行為看作異常行為1.3 論文的主要內(nèi)容及結(jié)構(gòu)安排本文研究群體異常行為的檢測(cè)

8、，提出了一種具有一定創(chuàng)新意義并可行的方法。本文重點(diǎn)對(duì)群體異常行為識(shí)別中的關(guān)鍵技術(shù)進(jìn)行了如下研究：（1）根據(jù)人類群體運(yùn)動(dòng)的視頻中存在時(shí)間和空間方向上劇烈變化的位置的特點(diǎn)及時(shí)空特征點(diǎn)方法在簡(jiǎn)單人體行為識(shí)別中取得的成功，提出了用時(shí)空特征點(diǎn)來描述人類群體的運(yùn)動(dòng)，選擇了魯棒方法 Gabor 小波函數(shù)方法用來提取時(shí)空特征點(diǎn)，通過實(shí)驗(yàn)驗(yàn)證了這種方法可以有效的解決人類群體異常行為檢測(cè)問題。在時(shí)空特征點(diǎn)的描述符建立階段，引入了時(shí)空 Haar 特征構(gòu)建描述

9、符利用高斯混合模型對(duì)正常行為的特征點(diǎn)集建立模型，為每個(gè)關(guān)鍵詞分配不同的概率權(quán)重，并且準(zhǔn)確的描述了不同類別出現(xiàn)的概率和輸入的時(shí)空特征屬于各個(gè)類別的概率。（2）為正常行為以及異常行為中的每個(gè)視頻片段建立視頻向量，將生成的視頻向量對(duì) SVM 進(jìn)行訓(xùn)練以及學(xué)習(xí)，輸入已知類別的測(cè)試視頻，利用已訓(xùn)練好的 SVM 對(duì)視頻進(jìn)行群體異常行為的測(cè)試，根據(jù)已知數(shù)據(jù)和得出的結(jié)果分析研究，得出 SVM 的識(shí)別率，并根據(jù)實(shí)際的結(jié)果對(duì) SVM 進(jìn)行參數(shù)調(diào)整和進(jìn)一步的