視頻異常事件檢測中的群體特徵感知研究

《視頻異常事件檢測中的群體特徵感知研究》是依託杭州電子科技大學，由郭春生擔任項目負責人的面上項目。

基本介紹

• 中文名：視頻異常事件檢測中的群體特徵感知研究
• 項目類別：面上項目
• 項目負責人：郭春生
• 依託單位：杭州電子科技大學

項目摘要

伴隨著城市化進程及人口流動性的增加，熱點公共場所的群體安全問題日益嚴重。避免群體災害的發生，消弱群體災害的蔓延和擴大，及時準確的群體異常事件檢測至關重要。本項目擬以群體特徵感知作為群體異常事件檢測的切入點，具體研究群體特徵抽取、群體特徵解集和群體特徵空時建模三個問題。擬利用複合型先驗協調群體中個體的社會性與隨機性，基於深度結構框架下的稀疏編碼，研究多層逐級局部聚類的群體特徵抽取方法；基於信息熵分析建立群體特徵時空關聯網路流圖，擬通過網路最佳化和鑑別稀疏編碼解決群體異常事件的多空間覆蓋和多時間延續問題，實現群體特徵的解集處理；針對群體異常事件空時耦合關係的多樣性，在群體特徵空間模型和時間模型之間引入諧振，擬研究諧振式群體特徵空時模型，避免對某類空時耦合關係形成檢測盲區。本項目的研究成果整體有望在群體特徵感知方面實現核心理論的突破，形成群體異常事件檢測的關鍵技術支撐。

結題摘要

群體異常檢測在許多領域都具有巨大的套用價值。群體異常檢測是一種特殊的二分類問題，具有正常和異常兩類極不對稱的特性，且群體正常特徵具有複雜多樣、隨時間動態變化的特性。 本項目針對群體特徵多樣性和複雜性，研究基於約束的群體特徵抽取，群體特徵的多尺度表述，以及群體特徵空時建模三個問題。首先，群體特徵相對於個體特徵，其魯棒性和穩定性更強。利用抽取的複雜多樣的個體特徵，基於場景或任務的先驗或模型約束是改善群體特徵魯棒性和穩定性的有效手段。本項目研究了複合稀疏先驗、協稀疏、線性稀疏、泊松分布，構造數據和DPM等約束問題。其次，群體特徵存在尺度變化上的多樣性。因此本項目的研究分別從圖結構和深度網路兩方面研究了特徵多尺度抽取問題。最後，社會屬性決定了個體特徵區別於群體特徵，卻影響著群體特徵。利用普通的隱變數模型描述群體特徵和個體特徵的相互關係，個體特徵對群體特徵的反向影響作用無法得到充分體現。因此，本項目研究了帶環路的隱狀態模型，以此描述群體特徵和個體特徵的相互影響：一方面群體特徵決定個體特徵的變化，另一方面個體特徵反過來會誘導群體特徵的改變。