群體行為理解和識別技術研究.pdf

1、群體行為是指由兩個或者更多個相互影響、相互作用、相互依賴的個體組成的集合體的相對運動現(xiàn)象，廣泛的存在于鳥類、魚類等群居自然生物群落，廣場、車站等人類活動場所，以及細胞、微生物等微觀世界。隨著我國經(jīng)濟社會的發(fā)展和科技的進步，對群體行為的分析和理解己經(jīng)成為社會科學和自然科學領域的重要課題，在安防監(jiān)控、智慧城市建設、顯微生物學和藥理學等諸多領域都具有廣泛的應用。相對個體行為的分析理解而言，大型群體由于目標數(shù)量多以及目標之間的相互遮擋，具有更為

2、復雜的相對運動關系以及難以預測的事態(tài)演化規(guī)律，因而具有更大的挑戰(zhàn)性。本文綜合利用了計算機視覺和機器學習當中諸多研究成果，針對宏觀社會群體和微觀細胞群體的行為分析的問題進行了前瞻性研究，提出了基于多Agent協(xié)同的群體建模技術，并研究和建立了面向群體行為分析的底層特征提取，Agent分割和屬性識別，和群體行為高層語義理解的理論框架。本文主要的創(chuàng)新工作歸納如下：
　　首先，針對宏觀大尺度社會群體中由于目標之間的遮擋和相對運動等帶來的目

3、標檢測和跟蹤困難的問題，本文提出基于時空變化流體場的群體底層特征提取算法。通過信號時空域特征分析，本文構造了一個時空變化矩陣對信號在時間域和空間域的變化進行度量，進一步利用矩陣特征在分析的方法得到信號在時空域當中的主要的波動分量，構成了一個時空流體場用以刻畫群體運動的模式。同傳統(tǒng)的基于目標檢測的群體建模方法相比，本文提出的方法直接從信號的本征特性出發(fā)，更適合于大尺度、遮擋嚴重、運動關系復雜的群體行為建模。
　　其次，針對相稱顯微圖

4、像對比度低、乏紋理的特點，本文通過對顯微鏡的成像機理進行分析，利用相稱顯微鏡的衍射特性構造成像字典，進而利用稀疏表示的方法提取細胞相位特征用以實現(xiàn)后續(xù)的分析。同傳統(tǒng)的灰度、紋理等特征相比，本文提取的細胞的顯微相差特征可以有效的去除顯微鏡成像中光暈、陰影等帶來的影響，將不同性質(zhì)的細胞從背景當中區(qū)分開來。另一方面，細胞的相位特征同細胞的光學特性密切相關，能夠反映細胞本質(zhì)生化特性，為后續(xù)的細胞跟蹤、細胞分類和細胞分裂凋亡等事件檢測奠定基礎。<

5、br>　　接下來，針對群體建模中粒度選擇的困難，本文提出了基于時空一致性約束的多Agent群體建模方法。為了降低信號在時空域上的冗余性并提高計算效率，本文將具有相同或者相似底層視覺特征的相鄰像素聚類為一個Agent。這樣，每個Agent內(nèi)的像素特征描述在時間上連續(xù)、空間上相關，同時有具有內(nèi)在的邏輯一致性。這些Agent—方面具有獨立的行為屬性，又共同作用，構成了群體的整體特性。從而，一個運動的群體可以建模成多個Agent構成的集合。

6、r>　　進而，為了實現(xiàn)Agent的屬性識別，本文在主動學習和半監(jiān)督學習的框架下，提出了基于交互范式的的Agent屬性識別算法。針對傳統(tǒng)半監(jiān)督學習當中的標定基元選取的問題，本文提出了基于最小預測誤差的主動標記算法，選取樣本集合當中信息量最大的樣本，可以在最少的人工標定下獲得更好的預測精度。其次，針對分類器當中可能存在的分類錯誤，本文豐富了傳統(tǒng)的基于圖理論的半監(jiān)督學習的理論框架，提出了基于修正傳播的誤差修正算法。同傳統(tǒng)的標記傳播圖相比，本文

7、的方法可以綜合地根據(jù)分類的結果和人工修正逐步調(diào)整自身的結構，改善自身的性能，具有“漸智”性，本文中將其命名為漸智圖(smarter graph)。
　　最后，本文綜合的利用了之前的研究成果，構建了大型群體行為分析系統(tǒng)，實現(xiàn)群體行為的識別和理解。首先，針對遮擋不嚴重的宏觀社會群體或微觀細胞群體，本文采用多目標跟蹤的方法，得到了每個Agent的運動軌跡，并根據(jù)軌跡統(tǒng)計特性，實現(xiàn)群體中目標的分裂、運動異常等行為的檢測。繼而，針對遮擋比較

8、嚴重的群體，本文采用了主題模型(topic model)，建立了Agent運動屬性和高層的群體行為的語義映射關系，實現(xiàn)了宏觀群體奔跑、聚集、散開等復雜行為的識別和理解。
　　綜上，本文面向宏觀的社會群體和微觀的生物細胞群體行為分析中的具體問題分別從特征提取、群體建模和行為識別理解等不同的方面進行了全面的研究，綜合利用了計算機視覺、機器學習和流體力學當中諸多的研究成果，提出了基于多Agent協(xié)同的群體建模技術，并研究和建立了面向大型