基于條件隨機(jī)場(chǎng)模型的異常行為檢測(cè)方法研究.pdf

1、異常行為檢測(cè)是提高視頻監(jiān)控智能化程度的一個(gè)主要途徑，是計(jì)算機(jī)視覺(jué)領(lǐng)域一個(gè)重要且富有挑戰(zhàn)的研究型課題。對(duì)異常行為檢測(cè)方法的研究具有重要的應(yīng)用前景及學(xué)術(shù)價(jià)值，對(duì)國(guó)防安全、公共安全，家庭看護(hù)都具有非常重要的意義。
　　隨著圖像處理技術(shù)和模式識(shí)別技術(shù)近年來(lái)的進(jìn)步，異常行為檢測(cè)技術(shù)取得了長(zhǎng)足的發(fā)展，但是目前依然存在著行為特征描述復(fù)雜，檢測(cè)率不高，異常行為難以定義的問(wèn)題，針對(duì)上述問(wèn)題本文展開了基于條件隨機(jī)場(chǎng)模型的異常行為檢測(cè)方法的研究，主要研

2、究?jī)?nèi)容和創(chuàng)新性工作總結(jié)如下:
　　1)針對(duì)當(dāng)前對(duì)行為序列提取的特征難以精確描述人體動(dòng)作的問(wèn)題，考慮到3D骨架具有數(shù)據(jù)量少且保留了關(guān)鍵信息的優(yōu)點(diǎn)，本文提出一種基于3D骨架和人體坐標(biāo)系的特征提取方法。該方法首先將人體分成五個(gè)部分，然后基于人體軀干建立人體坐標(biāo)系，用坐標(biāo)系的運(yùn)動(dòng)描述人的全局運(yùn)動(dòng)，用坐標(biāo)系內(nèi)各人體關(guān)節(jié)點(diǎn)的運(yùn)動(dòng)描述人的局部運(yùn)動(dòng)。在這個(gè)過(guò)程中提取了多種特征，完成了對(duì)人體運(yùn)動(dòng)精細(xì)化的描述。本文使用姿態(tài)變換參數(shù)描述當(dāng)前姿態(tài)，通過(guò)合

3、理的定義人體標(biāo)準(zhǔn)姿態(tài)，降低了特征的維數(shù)。
　　2)分析了時(shí)域上下文信息在行為識(shí)別中的重要性，針對(duì)HMM嚴(yán)格的條件獨(dú)立假設(shè)及在對(duì)行為上下文信息建模上的不足，提出了一種基于CRF模型的行為識(shí)別方法，給出了用于行為建模的CRF模型結(jié)構(gòu)、勢(shì)函數(shù)定義以及行為建模方法，最后對(duì)HMM及CRF模型進(jìn)行性能評(píng)估，實(shí)驗(yàn)結(jié)果表明該方法相比HMM模型可以更好的對(duì)時(shí)域上下文信息建模，能夠較準(zhǔn)確的進(jìn)行行為識(shí)別。
　　3)為了融合目標(biāo)的多種特征進(jìn)行行為識(shí)

4、別，本文提出一種基于MCRF模型的行為識(shí)別方法。該方法首先提取目標(biāo)的多種特征，使用CRF模型對(duì)每種特征建模，形成多個(gè)CRF模型，然后將所有的CRF模型組合起來(lái)得到最終的MCRF模型，通過(guò)訓(xùn)練獲取模型的參數(shù)，并對(duì)不同的特征賦予不同的權(quán)重，最后對(duì)行為進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明該方法取得了較高的識(shí)別率。
　　4)分析了人體行為中各個(gè)部位之間的空域上下文信息，提出了一種星形結(jié)構(gòu)的條件隨機(jī)場(chǎng)模型(Star-CRF)，該模型是CRF模型在模型結(jié)構(gòu)

5、和勢(shì)函數(shù)上的擴(kuò)展，可以同時(shí)對(duì)時(shí)域上下文信息和空域上下文信息進(jìn)行建模。本文使用Star-CRF對(duì)人體結(jié)構(gòu)的軀干和四肢五個(gè)部分聯(lián)合建模，并在雙位置勢(shì)函數(shù)中引入了特征，加強(qiáng)聯(lián)系上下-文信息的能力，最后使用身體五個(gè)部分的聯(lián)合推斷結(jié)果作為行為識(shí)別的依據(jù)。實(shí)驗(yàn)結(jié)果表明該方法識(shí)別率較高，并且可以抵抗一部分自遮擋帶來(lái)的影響。
　　5)針對(duì)異常行為單純從肢體動(dòng)作難以檢測(cè)的問(wèn)題，提出一種基于肢體與表情的異常行為檢測(cè)思路。本文在該思路下提出了3種檢測(cè)方