特徵自學習機制下的密集群體內多人互動行為異常感知

《特徵自學習機制下的密集群體內多人互動行為異常感知》是依託上海電力大學，由邵潔擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：特徵自學習機制下的密集群體內多人互動行為異常感知
• 項目類別：青年科學基金項目
• 項目負責人：邵潔
• 依託單位：上海電力大學

項目摘要

密集群體不僅為違法犯罪事件提供了更加隱秘的實施空間，而且存在小範圍異常迅速波及大範圍區域的可能。因此，及時發現並預警密集群體中異常事件與民眾的公共利益和社會長治久安息息相關。然而，群體視頻監控圖像普遍存在目標遮擋嚴重、單目標解析度低、異常行為運動特徵不顯著等特點，導致遵循多目標檢測跟蹤或群體運動流分析思路均局限於特定的群體密度和異常類型。本項目擬建立一種基於特徵自學習機制的密集群體多人互動行為異常感知算法架構，在固定視角下，利用密集群體流動性分析獲取異常預判區域，再採用多層自學習稀疏特徵描述多人互動行為時空區域，並結合行為人的運動軌跡、空間分布、關注區域等信息實現密集群體中的多人互動行為識別和異常感知。本項目的研究成果不僅對公共場所異常行為智慧型檢測及預警，刑偵案件輔助偵破等公共安全事務的智慧型化發展有積極的推動作用，還能為人機互動,環境控制和監測,體育及娛樂分析等多個領域的套用提供研究基礎。

結題摘要

密集群體不僅為違法犯罪事件提供了更加隱秘的實施空間，而且存在小範圍異常迅速波及大範圍區域的可能。因此，及時發現並預警密集群體中異常事件與民眾的公共利益和社會長治久安息息相關。然而，群體視頻監控圖像普遍存在目標遮擋嚴重、單目標解析度低、異常行為運動特徵不顯著等特點，導致遵循多目標檢測跟蹤或群體運動流分析思路均局限於特定的群體密度和異常類型。本項目建立了一種基於特徵自學習機制的密集群體多人互動行為異常感知算法架構，在固定視角下，首先提出了一種針對中等密度密集場景的小群體實時檢測算法。引入基於社會力的目標預測模型對個體運動建模，實現目標方向預測，再結合小群體共有運動狀態分析，通過基於目標相關性的濾波算法，完成對密集場景的小群體分類檢測。此後，區別於以二維靜態圖像為對象的傳統人臉表情識別，提出一種針對RGB-D圖像序列分析的人臉自然表情自動識別算法，以適用於密集群體場景中的低解析度人臉表情。算法針對預處理後的RGB-D表情圖像序列，提取四維時空紋理特徵作為局部動態特徵；再利用慢特徵分析自動檢測表情序列的峰值圖像，並提取臉部三維幾何模型為全局靜態特徵。結合動、靜態特徵，經主成分分析降維後輸入條件隨機場模型完成特徵訓練和表情識別。該算法不但相較傳統靜態表情識別算法和其他動態算法具有優越性，而且能夠針對自然展現的表情實現自動識別，為今後算法的實用化提供了可能。最後，本項目還提出了一種多模態人體情感感知算法，通過提取視頻數據中的時空特徵，建立情感語義描述，再採用典型相關分析算法和稀疏保持典型相關分析算法融合面部情緒特徵和肢體動作情緒特徵實現最終情感感知，有效提高了密集場景下的人體情感認知算法的有效性。本項目的研究成果不僅對公共場所異常行為智慧型檢測及預警，刑偵案件輔助偵破等公共安全事務的智慧型化發展有積極的推動作用，還能為人機互動,環境控制和監測,體育及娛樂分析等多個領域的套用提供研究基礎。