基于统一结构场模型的警务视频分析研究

The policing video investigation technology is a policing technology to obtain valuable clues or evidences for criminal investigation, based on analyzing, studying and judging the policing videos. However, the video investigation is still by manual handling in policing routine work. If the intelligent information method could be used for automated policing video analysis, the efficiency of police combat units could be greatly enhanced. This project will build unifying structural field model to automatically analyze policing videos. This work will solve the police videos automatic analysis and bridge the semantic gap, by building unifying structural field model, which could satisfy the requirement of accuracy, robustness, and efficiency, because the model has the common model representation, status inference and parameter learning. The research of this project including three topics: 1)We build continuous spatio-temporal field model to detect the particular object on policing videos. 2) We build discrete label field to detect the specific semantic targets which is interested to the investigators. 3) We build discrete situation field model to detect semantic target bundles with sequential relationships. The project will make advantage in theory and application of policing video analysis.

视频侦查技术是对警务视频进行分析和研判、获得有价值的线索或证据辅助侦查破案的公安技术。然而，当前公安工作中仍主要是通过人工处理完成，如能利用智能信息方法实现对于警务视频自动分析处理，则可大大提升公安部门的工作效率。本课题拟研究警务视频自动分析的统一结构场模型，以期通过构建统一结构场模型，利用共性的模型表述、状态推理和参数学习方法，尝试解决语义鸿沟问题，在警务视频发生较大变化时，仍可满足准确性、鲁棒性和效率性的组合检测需求。具体研究内容包括：1）警务视频目标提取的连续时空场模型；2）感兴趣的单语义目标检测的离散标记场模型；3）具有时序关系的目标组合检测的离散状态场模型。本项目的研究将会对于警务视频分析的理论和应用起到推进作用。

视频侦查技术是对警务视频进行分析和研判、获得有价值的线索或证据辅助侦查破案的公安技术。然而，当前公安工作中仍主要是通过人工处理完成，如能利用智能信息方法实现对于警务视频自动分析处理，则可大大提升公安部门的工作效率。本课题基于研究警务视频自动分析模型研究，以期通过利用共性的模型表述、状态推理和参数学习方法，尝试解决语义鸿沟问题，在警务视频发生较大变化时，仍可满足准确性、鲁棒性和效率性的组合检测需求。本课题致力于分析警务视频各要素之间关联关系，研究警务视频目标提取、感兴趣的单语义目标检测、具有时序关系的目标组合检测的离散状态场模型，进一步完善了相关理论和技术。本项目的研究将会对于警务视频分析的理论和应用起到推进作用，形成的关键技术也可应用于侦查人员快速的从视频段中获取感兴趣目标或目标组合的检索需求。课题组按照计划完成了基于统一结构场模型的警务视频分析研究的主要研究工作，具体包括了四个方面的工作：①研究了感兴趣连续时空区域检测技术，②研究了基于时间结构的离散动作识别算法，③研究了基于稀疏编码的动作图分解算法，④研究了人类活动识别的逻辑框架。项目组提出了基于连续时空场无监督感兴趣区域检测算法、基于事件结构多场景动作识别算法、基于稀疏编码的动作图分解算法等关键技术，并结合上下文无关事件推理机制，提出了跨领域人类动作实时识别框架，进一步完善了的理论和技术。课题组已发表论文13篇，其中SCI论文2篇，CSSCI论文3篇，核心论文7篇。申请国家发明专利5项，其中1项已获授权。