基于概率图模型和语义描述的人群行为分析

行为分析有着广泛的应用背景，是计算机视觉领域备受关注的研究领域。人群行为分析是一个复杂的高层视觉处理问题,面临背景复杂、相互遮挡、人数变化、动作多样及数据库缺乏等多方面的困难，至今仍是一个极具挑战性的课题。本项目根据人群行为的特点,充分挖掘人群行为的分层结构，将对复杂的人群行为的处理过程转化为对不同阶段、不同子群行为的分析和描述；发展光流直方图特征提取方法；提出基于加权分层条件随机场的概率图模型方法对子群行为进行描述；结合反应不同阶段和不同子群间逻辑关系的语义描述,形成对人群行为的综合表征；在群行为识别的过程中，提出了分级识别方法。本项目的研究不仅会大大推动视频监控的智能化进程，有效提高人群异常行为检测的准确度，而且将为更高级的事件分析奠定技术基础，推动计算机视觉技术的进一步发展。

本项目旨在于结合语义和概率图模型的方法对人群行为进行分析和识别,本项目主要从运动特征提取、群行为分解、子行为的图模型表征、群行为的语义描述和识别五个方面展开了研究，取得了如下成果：提出了基于运动和外形度量的多目标人体跟踪和姿态估计；提出了基于split-merge策略的人群分组方法；研究了如何建立不同视角下相同动作的联系，提出了两种基于语义的视角无关的人体稀疏表征；提出了描述群内和群间信息的视角无关的语义特征；研究了全局特征和局部运动特征的融合框架，提出了基于稀疏表征融合的双人行为识别算法；以最大间隔算法为基础，提出了基于最大间隔马尔可夫网和最大间隔条件随机场的双人行为识别算法；提出了基于结构化SVM的多人交互行为识别；提出了一种基于属性时空描述子的群体行为识别算法。将基于运动个体和基于视频的两类分析方法都应用到了人群分析中，取得了好的效果，并分析了彼此的优缺点