《移動對象異常行為自動識別技術研究》是依託上海大學，由管業鵬擔任項目負責人的聯合基金項目。
基本介紹
- 中文名：移動對象異常行為自動識別技術研究
- 項目類別：聯合基金項目
- 項目負責人：管業鵬
- 依託單位：上海大學
中文摘要,結題摘要,
中文摘要
視頻移動對象異常行為自動識別有助於安全人員處理危機，提升安全防範能力。但目前的視頻監控系統主要依靠專人進行人工監視、視頻記錄或手工標記，工作強度高，易造成報警不及時，甚至錯報、漏報。本課題擬通過背景自適應更新以及小波多尺度變換與色彩比率不變性，融合粒子動力學方法進行視頻流分割，基於有限的視頻序列，採用非人工標記的行為特徵進行自適應非監督學習與建模，對場景中的移動對象行為特徵進行正/異常判別，並基於已學習的先前行為特徵模式與當前行為特徵模式，更新與增加新的行為模式，以及通過移動對象不同行為特徵的重要性分析與評價，建立不同異常敏感程度的行為特徵評價體系與模型。綜合上述方法，實現面向智慧型視頻監控的移動對象異常行為自動識別。通過本項目研究，大大提高複雜場景中移動對象異常行為的自動識別能力，及時、有效處理危機，將事後取證變革為事前預防。研究成果可在軍事、海關、機場、港口、城市交通等場合發揮積極作用。
結題摘要
針對目前視頻移動對象異常行為魯棒識別存在的困難與挑戰，分別提出了如下創新性方法，實現非監督學習的移動對象異常行為自動識別。基於視頻動態粒子流場，將視頻中的移動對象所對應的運動方式映射為可有效反映其運動狀態的動態粒子流，獲取其運動能量及其運動狀態，從而無需對運動對象進行跟蹤，也無需預先採集運動對象異常行為樣本進行學習與訓練；針對目前光流場計算要求較多約束條件且所得解為病態的不足，提出了基於有效約束且可獲取唯一光流解的新方法，在可高效獲取穩定的光流場的同時，克服場景條件限制並提高移動對象行為特徵提取的有效性；融合光流時/空域特徵，基於視頻場景的網路化與格線光流場特徵的並行計算，將視頻移動對象運動特徵突變轉化為網路光流的能量場差異分布；提出了自適應疊代求解獲取動態粒子流場方法，克服目前定值解決一階偏微分方程中的求解難題，有效確定拉格朗日粒子動態系統中粒子的運動位置及其運動軌跡，從而為獲取穩定、可靠的移動對象中/高層行為特徵奠定理論基礎；基於動態粒子流，提取可度量移動對象運動行為模式的重要性顯著特徵，並基於Radviz圖的不同多維運動行為特徵直觀映射方法，將多維運動行為特徵在不同維度子空間的聚類性以及不同特徵子空間之間的關係，轉變為二維模式以直觀揭示多維運動特徵之間的關聯性及其重要性；針對目前移動對象異常行為識別中運動特徵重要性及其匹配識別存在的困難與挑戰，提出了非監督視頻運動行為特徵最優特徵提取及其匹配識別方法，基於互信息可度量兩變數之間的相互依賴程度，通過融合候選特徵相關度和已選特徵冗餘度，自適應確定與選擇最優運動行為特徵，以有效區分不同運動行為模式；基於視頻序列的時/空運動特性以及多尺度小波變換在時/空域所具有的優異局部化特性，提出了非背景建模或學習的關注區背景或場景狀態(分布)的有效檢測與識別方法，在克服背景更新或高斯分布參數設定、固定背景模式等不足的同時，有效避免因背景或場景狀態分布突變所引起的不利影響；融合前景對象檢測與運動歷史圖像，提出了非監督個體跌倒實時檢測與確認新方法，所提方法不受場景、視角約束以及無需預先採集跌倒異常行為樣本，可在多種條件下實現個體跌倒異常行為的自動檢測與確認。通過本項目研究，提高複雜場景中移動對象異常行為的自動識別能力，以及時、有效地處理危機，將事後取證變革為事前預防。研究成果可在軍事、海關、機場、港口、城市交通等場合發揮積極作用。
