公安视频大数据中的步态模式挖掘与表达

Video investigation technique has achieved great success in different public security applications. While there is little automation within this technique. This makes it unsustainable. Automatic suspect recognition technique based on gait provides video investigation a sustainable development direction. However, automatic gait recognition techniques are currently under laboratory developing and not ready for forensic application, due to the mainly three challenges, which are view variation, speed variation, and clothes variation. In this proposal, we aim to the address urgent need of security video investigation by mining robust gait representation based on deep learning from big video data. Firstly, the physical laws of gait is analyzed to design robust gait representation mining framework based on convolutional neural network. Secondly, robust gait representation is learned from big video data with the aim of gender estimation, age estimation and abnormal gait detection. Finally, a new big gait database composed of the gait video from forensic investigation is constructed. And a new automatic suspect recognition system is implemented for forensic application. The implementation of this project will significantly improve the efficiency of forensic investigation.

公安视频侦查技术在公安各类案件的侦破中取得了巨大成功，但是这种以人工为主的视频侦查技术却难以为继。基于步态的视频嫌疑人自动筛查技术为视频侦查技术提供了可持续的发展方向。然而，受制于视角变化、步速变化及服饰携带物变化等因素的影响，自动步态识别技术离公安刑侦实际应用尚有一定差距。本项目瞄准公安视频侦查工作的迫切需求，以深度学习为理论基础，从公安视频大数据中挖掘鲁棒步态特征，实现对行人性别、年龄段及异常步态的精确判断，进而实现基于步态的嫌疑人自动筛查技术。重点探究步态运动生理规律；并以此为指导，基于深度学习理论，分别面向性别估计、年龄段估计及异常步态检测构建鲁棒步态特征挖掘模型；最后搭建公安视频大数据实验平台并实现基于步态的嫌疑目标自动筛查原型系统。本项目的实施将有助于提高公安视频侦查的自动化程度，促进公安刑侦效率的提升，提高我国打击违法犯罪快速反应能力。

公安视频侦查技术在公安各类案件的侦破中取得了巨大成功，但是这种以人工为主的视频侦查技术却难以为继。本项目以公安实战需求为牵引，基于案件现场足迹和周边监控视频数据，以步态、足迹为研究对象，针对嫌疑人自动筛查技术开展了系列研究工作。主要研究内容包括：（1）自然行走条件下行人足底压力稳定性研究。足迹检验是公安刑侦破案的重要技术。足底压力是足迹主要成因，本项目从身份认定角度研究了自然行走条件下足底压力的稳定性。实验结果表明自然行走状态下每个人足底压力的欧氏距离特征向量的方差基本稳定。（2）足迹挖痕特征自动检测算法研究。足迹是犯罪现场提取率最高的痕迹物证，为提高足迹自动识别水平，本项目提出基于adboost和LBP的挖痕自动检测算法，检测结果较好。（3）足迹磨损特征自动分割算法研究。磨损痕迹是一种重要的足迹形态学特征，是足迹专家分析嫌疑人性别、年龄、步态特征的重要依据。本项目提出基于语义的平面足迹磨损特征分割算法，实现对足迹磨损特征自动分割。（4）足迹中起脚特征自动检测算法研究。起脚特征是一种重要的足迹形态学特征。本项目提出基于卷积神经网络的起脚特征自动检测算法，检测精度达97%。（5）步态周期中步态事件检测算法研究。提出一种基于计算机视觉的步态周期检测算法，检测精度较好。（6）监控视频下行人所穿鞋型自动识别算法研究。“监控+步法追踪”已成为公安机关侦查破案的重要技战法，然而自动化程度较低。本项目提出基于卷积神经网络的鞋型识别算法，在自建数据库上鞋型识别精度达95.81%。