移动对象异常行为自动识别技术研究

基于视觉的行为分析是目前备受关注的研究热点之一。对移动物体的异常行为进行自动检测和识别，判断异常行为或事件是否发生，并实现分级预警，从而达到事先预防的目的，这是行为分析领域发展的必然趋势。.本项目的主要创新点是：1.在现有的目标检测和跟踪的基础上，提出一种鲁棒性强的目标跟踪算法，实现复杂环境下目标的稳定性跟踪。2.采用金字塔树解决大规模轨迹特征单词快速准确的构造问题。3.将文本分析中的概率潜在语义分析算法引入到异常行为分析中，通过计算行为特征的语义分布来判断行为是否异常。4.将风险管理领域相关理论引入到行为分析中，利用模糊综合评价模型来建立不同异常敏感程度的行为特征评价体系和评价模型，对异常行为进行分级预警。该项研究工作将促进相关理论和技术的进步，并为中物院今后的研究工作和应用需求打下良好的基础。

移动对象的异常行为分析和识别具有巨大的应用前景和潜在的经济价值，可以广泛应用于智能监控、体育及军事等领域。而如何进行基于视频的移动对象异常行为自动识别已经成为一个亟待解决的问题。.本研究采用了一种分级预警方法，首先对移动物体的异常行为进行自动检测与识别，判断异常行为或事件是否发生，并实现分级预警，从而达到事先预防的目的。实现移动对象异常行为的自动识别需要解决多个关键问题，包括复杂环境下运动目标的鲁棒性跟踪、行为特征的提取与聚类和特定场景下的异常行为建模等。其中运动目标的鲁棒性跟踪属于中低层的视频处理。针对中低层的视频处理，对目标检测进行了相关研究，提高了目标检测的速度，并解决了目标检测过程中出现阴影和倒影问题；研究了粒子滤波跟踪框架下多信息融合和数据关联的多目标跟踪；在跟踪的基础上我们提取了目标的运动轨迹，并对轨迹进行了预处理及分类建模等方面工作；提出了一种改进的群体运动分割算法。针对高层的视频处理，特征提取方面采用了较为新颖的特征描述子来描述行为，同时引入了多层分块算法。进行多层分块处理后融合的优点在于可以使图像中的运动信息得到更加丰富的描述。本研究对特定场景下异常行为建模技术进行了深入研究与实现。主要包括单体移动对象正常移动时的运动特征突变（高速运动）、人群正常移动时的运动特征突变（人群聚集与逃离）、多移动对象相遇后的异常行为（打架斗殴）、群体对象异常行为（人群游行）、被保护物体周围的异常行为（入侵检测）和可疑物品遗留检测（遗留物检测）等。并建立一个异常行为分级评价体系，主要完成个体行为分析模块与群体行为分析模块的实现与融合，对异常行为进行分级预警，最终形成一个原型系统，该原型系统对多种环境多种移动对象的异常行为进行了分析。其中个体行为包括：目标入侵、遗留物检测和目标高速运动；群体行为包括：打架斗殴、人群骚乱和人群聚集逃离等。本研究将图像处理、模式识别、计算机视觉、压缩感知理论和技术应用到移动对象异常行为自动识别研究工作中，既有重要的基础研究意义，又有潜在的实际应用价值，这也是本研究课题的特色。.本研究已发表和录用论文28篇，其中SCI 论文5篇，EI 论文8篇，已投稿的论文3篇，申报发明专利2项。研究内容无调整和变动，达到了预期目标。