《航空場景中移動對象異常行為自動識別技術研究》是依託華中科技大學,由劉芳擔任項目負責人的聯合基金項目。
基本介紹
- 中文名:航空場景中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:劉芳
- 依託單位:華中科技大學
中文摘要,結題摘要,
中文摘要
目前候機廳、停機場和機艙等航空場景中異常事件的識別由人工完成,缺乏主動性和實時性,自動識別場景異常亟待研究,而場景異常通常由移動對象的行為體現,因此需要研究移動對象異常行為自動識別技術。移動對象的行為由其自身運動及與其它對象的互動體現,針對前者,基於混合動態紋理的模型效果好,但運算極耗時,本項目擬研究刻畫能力強且具可擴展性的特徵以實現快速建模與檢測;同時研究對象間、對象與場景的互動模式。現有自動識別方法一般利用信號特徵提取高級語義,語義鴻溝決定了其局限性,本項目結合自頂向下框架,研究互動式異常行為識別及其敏感度評價模型,利用互動式技術引入航空專家對異常的描述,研究場景特徵與標定的異常行為及其敏感程度之間的映射模型,其中場景特徵由場景模型描述,該模型應能表達或支持計算對象運動行為、互動行為以及場景其它屬性。本項目的研究可對維護航空安全提供基礎技術,將推動航空領域自動視頻識別技術的發展。
結題摘要
航空場景的視頻監控主要特徵為室內場景,多目標的單攝像頭以及多攝像頭監控,其套用需求為實時自動發現異常並發出預警信息。基於此,本課題將研究集中於對象跟蹤、動作識別、異常識別及敏感度分級等問題,研究成果可用於從視頻中根據對象動作自動發現異常,識別異常級別並預警。 針對對象跟蹤問題,本課題採用權重的非線性變換和擴散重採樣改進基於粒子濾波的跟蹤算法,在對象跟蹤的準確性和魯棒性方面有較大提升;針對動作識別問題,本課題集中針對高斯分布型圖像特徵流形特徵進行分析研究,分別研究基於李群流形與格拉斯曼流形的圖像特徵及基於該特徵的學習識別算法,研究表明,基於流形的圖像特徵對於光照、背景、角度等易變環境因素具魯棒性;另外,針對多對象互動問題,本課題受人體神經系統中視覺感受域的結構與功能特徵的啟發,提出了底層特徵提取算法,該算法能夠對各個圖像特徵區域的空間結構進行有效編碼。研究表明對於提高多目標物體跟蹤與識別的準確性有較大幫助;在場景建模方面,一種新的時空布局建模方法能夠將時空特徵有效組織成緊湊向量,同時有助於提升識別效果;針對互動式異常行為識別及敏感度分級問題,本課題提出一種新的基於密集採樣和李代數高斯表示特徵的動作識別方法,這一方法採用線性支持向量機對動作進行識別,進行異常及敏感度級別判定。 以上內容的研究成果以論文形式發表於國際期刊和國際會議論文集,其核心技術方法能夠對民航視頻監控套用起到技術支撐作用。