複雜運動場景視頻大數據中異常事件檢測研究

《複雜運動場景視頻大數據中異常事件檢測研究》是依託北京郵電大學，由梁美玉擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：複雜運動場景視頻大數據中異常事件檢測研究
• 項目類別：青年科學基金項目
• 項目負責人：梁美玉
• 依託單位：北京郵電大學

項目摘要

利用計算機視覺和視頻智慧型處理技術對旅遊景區視頻進行實時監控和異常事件檢測，構建智慧型化的旅遊突發事件監測系統，對於保障旅遊安全具有重要意義。本項目在以往科學研究基礎上，提出基於時空顯著性感知的變換域跨尺度自適應視頻增強方法；構建能夠適應於複雜運動場景的快速魯棒性時空非局部模糊配準機制，提出基於關聯學習和時空非局部相似性的視頻超解析度重建方法；針對視頻大數據中的背景混雜、遮擋、噪聲干擾、視角變化、光照變化等複雜場景，提出能夠適應於複雜場景下的魯棒性多目標跟蹤方法。通過提取目標區域的魯棒時空特徵，並結合機率主題模型，構建目標行為的魯棒性時空語義特徵空間，建立複雜運動場景視頻大數據中的異常事件檢測模型；構建面向視頻大數據的旅遊突發事件監測系統，為及時進行旅遊突發事件預測和預警、保障旅遊安全提供有力的技術支撐，力爭在複雜運動場景視頻大數據中異常事件檢測領域取得突破性進展。

結題摘要

利用計算機視覺和視頻智慧型處理技術對旅遊監控視頻進行實時監控和異常事件檢測，構建智慧型化旅遊突發事件監測系統，可實現對旅遊突發事件及時預測和預警，保障旅遊安全，具有重要的研究價值和套用前景。本項目提出了基於時空顯著性的跨尺度自適應視頻增強算法，實現了對人眼所重點關注的運動目標區域的細節特徵清晰度提升。提出了基於殘差卷積神經網路的視頻去噪算法。提出了基於深度學習和時空特徵相似性的視頻超解析度重建算法，構建了內外部聯契約束的視頻超解析度重建機制。構建了基於深度卷積神經網路的深度學習模型，建立了低解析度和高解析度視頻幀塊間的端到端非線性關聯映射。提出了旅遊景區視頻的顯著性時空特徵提取方法，構建了基於顯著性時空特徵和稀疏組合學習的旅遊景區視頻異常事件檢測模型，提升了異常事件檢測的魯棒性和時效性。提出了基於人群運動特徵和人群密度估計的旅遊突發事件檢測方法。提出了基於時空感知深度網路的旅遊景區視頻異常事件識別方法，解決了現有基於深度學習的異常事件識別方法不能很好地建模時間信號，以及深度網路對輸入視頻大小和長度的限制而導致的識別準確率低的問題。提出了融合GIST特徵和微觀行為特徵的擁擠場景識別算法和基於增強深度屬性學習的視頻中快速運動人群的人數估計模型。提出了基於深度網路和哈希方法的運動目標跟蹤方法。提出了基於跨媒體場景屬性語義關係正則化的場景語義理解方法，提升了場景語義識別的準確率和魯棒性能。提出了基於深度哈希網路和語義擴展的社交網路跨媒體語義關聯學習和搜尋模型。構建了旅遊景區視頻異常事件檢測與識別系統，旅遊承載力挖掘與旅遊突發事件預警系統以及面向旅遊監控視頻的視頻超解析度重建系統，實現了旅遊突發事件的自動檢測和識別，及時發現和監測旅遊突發事件，為保障旅遊安全提供了有力的技術支撐。發表和錄用論文34篇，其中發表SCI論文10篇，錄用SCI論文1篇，發表EI期刊和會議論文18篇。其中1區論文1篇，2區論文4篇。獲2018年第六屆CCF大數據學術會議最佳學術論文獎。出版學術專著1本。申請專利5項，其中2項已授權。項目主持人在本項目進行期間，博士後順利出站並晉升為副教授。培養博士生3人，碩士生6人。