群體目標(biāo)識別與分析技術(shù)研究.pdf

1、群體行為識別與分析是模式識別和計算機(jī)視覺領(lǐng)域的前沿課題，為公共場所視頻監(jiān)控、戰(zhàn)場實時分析等提供有效的技術(shù)手段。隨著計算機(jī)視覺技術(shù)的快速發(fā)展，基于圖像的目標(biāo)檢測、識別等技術(shù)日趨成熟。然而，基于視頻的技術(shù)仍需進(jìn)一步提高，特別是行為識別。群體行為識別是行為識別的一種，其場景比一般行為復(fù)雜。到目前為止，不同的目標(biāo)群體很難利用固定的算法進(jìn)行分析。
　　相對單個目標(biāo)或多個目標(biāo)，群體行為是整體行為，目標(biāo)與目標(biāo)之間的上下文關(guān)系密切。通常具有以下特

2、點：目標(biāo)數(shù)量較多，運動環(huán)境復(fù)雜，速度快慢不一，密度高或相互之間遮擋嚴(yán)重等。目前，國內(nèi)外學(xué)者對該課題研究不多。雖然近幾年取得了一些階段性的成果，出現(xiàn)了一些大型數(shù)據(jù)庫，但是不同課題組研究的切入點不同，整體研究處于比較分散的階段。
　　本文的研究主要集中在兩類目標(biāo)群。一是稀疏目標(biāo)群（例如航母戰(zhàn)斗群）；二是稠密目標(biāo)群（例如人群）。本文以航母戰(zhàn)斗群為例研究了稀疏目標(biāo)群；以人群為例研究了稠密目標(biāo)群。針對群體目標(biāo)的特點，本文的研究內(nèi)容如下：

3、r>　　首先，模擬了衛(wèi)星監(jiān)視中的航母戰(zhàn)斗群航行視頻。航母戰(zhàn)斗群的數(shù)據(jù)非常寶貴，模擬航母戰(zhàn)斗群隊形變化航行的意義重大。雖然目前的衛(wèi)星技術(shù)很難支持大范圍的視頻拍攝，但是模擬視頻可以驗證識別算法在任意時刻的有效性。為了盡可能真實模擬航母戰(zhàn)斗群的航行，本文分析了雷達(dá)偵察衛(wèi)星和光學(xué)偵察衛(wèi)星監(jiān)視航母戰(zhàn)斗群的可行性。提出利用三次Hermite插值函數(shù)規(guī)劃軍艦的軌跡，既可以保證規(guī)劃的軌跡函數(shù)二次可導(dǎo)，也能很好控制隊形變化過程中艦船之間的距離，防止發(fā)生碰

4、船事件。最后，為了增強模擬航行的視頻真實性，采用“谷歌地球”中的航母和軍艦照片作為軍艦?zāi)０?，動態(tài)海面作為背景，沿著設(shè)置好的軌跡生成航母戰(zhàn)斗群的模擬航行視頻。
　　其次，在假設(shè)艦船目標(biāo)已經(jīng)檢測出來的基礎(chǔ)上研究了航母戰(zhàn)斗群的隊形識別和行為分析。提出在阿基米德螺線上選取一系列觀察點，計算每個觀察點與航母戰(zhàn)斗群的上下文信息，形成了多觀察點上下文描述子，成功解決了旋轉(zhuǎn)和尺度不變性問題。建立了概率密度函數(shù)模型，將隊形的局部信息與全局信息有效融

5、合，增強了算子的描述能力。該描述子的維度與軍艦數(shù)量無關(guān)，其識別性能對航母戰(zhàn)斗群的中心區(qū)域軍艦數(shù)量不敏感，符合航母戰(zhàn)斗群編隊的實際情況。提出了基于隱馬爾科夫模型的行為識別方法，并在不同的模擬視頻中驗證了算法的有效性。
　　針對人群檢測，本文提出了一種新的局部區(qū)域描述子——多觀察點統(tǒng)計直方圖。在多個觀察點上進(jìn)行徑向梯度變換，形成了一種局部區(qū)域的整體描述子。在不需要歸一化圖像尺度大小的情況下，能統(tǒng)一描述不同尺度的人群圖像塊。最后結(jié)合了快

6、速目標(biāo)框的方法進(jìn)行人群檢測?；谀繕?biāo)框的方法人群檢測不需要高斯金字塔，但卻可以利用少數(shù)目標(biāo)框覆蓋大部分目標(biāo)。
　　針對形態(tài)變化較大的人群場景，提出了一種多標(biāo)簽的分類器模型。人群行為種類繁多，類別之間關(guān)系復(fù)雜，傳統(tǒng)的分類器效率不高、效果不好。充分利用不同類別之間的從屬關(guān)系，提出了一種高效分類器模型。相比傳統(tǒng)分離器，本文的分類器具有完美的閉合解，可以同時高效處理多個類別。人群場景分類是一個多實例的問題，本文結(jié)合了深度卷積網(wǎng)絡(luò)和Fish