基于VStop視覺(jué)單詞的復(fù)雜場(chǎng)景下行為分析.pdf

1、復(fù)雜場(chǎng)景下行為分析，尤其是稀少行為分析是目前計(jì)算機(jī)視覺(jué)研究領(lǐng)域的基礎(chǔ)性課題，由于在該領(lǐng)域研究中需要融合模式識(shí)別、人工智能、圖像處理等多領(lǐng)域知識(shí)，如何有效進(jìn)行融合，并針對(duì)行為分析這一具體課題進(jìn)行研究具有較高的研究意義，同時(shí)該課題較強(qiáng)的應(yīng)用需求（智能看護(hù)、智能安防、智能交通、智慧城市等）更增加其研究意義和價(jià)值。在固定攝像頭高空復(fù)雜場(chǎng)景下，由于場(chǎng)景自身變化、目標(biāo)多樣化、運(yùn)動(dòng)形式各異導(dǎo)致的目標(biāo)跟蹤困難、行為建模困難、在線檢測(cè)復(fù)雜等問(wèn)題。為此論文

2、主要針對(duì)上述問(wèn)題進(jìn)行了如下研究：復(fù)雜場(chǎng)景下行為分析的基礎(chǔ)視覺(jué)單詞生成算法改進(jìn)、離線行為聚類以及在線行稀少為檢測(cè)。本論文主要工作分為以下幾個(gè)部分：
　　1)在視覺(jué)單詞構(gòu)建過(guò)程中，傳統(tǒng)的視覺(jué)單詞通常只利用方向信息，缺乏速度信息及上下文信息，結(jié)果導(dǎo)致對(duì)運(yùn)動(dòng)目標(biāo)在運(yùn)動(dòng)軌跡相同但運(yùn)動(dòng)過(guò)程各異的行為無(wú)法有效建模。針對(duì)這一問(wèn)題，本文提出了一種時(shí)空VStop視覺(jué)單詞生成模型。該模型首先使用自適應(yīng)速度量化算法建立運(yùn)動(dòng)模型的速度單詞（V-word），

3、以解決缺乏目標(biāo)運(yùn)動(dòng)速度信息的問(wèn)題；其次引入停詞（Stop-word）概念用以描述場(chǎng)景中速度為零的行為，有效避免目標(biāo)暫停或被遮擋而丟失的問(wèn)題。通過(guò)對(duì)Hospedales ICCV09數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明VStop視覺(jué)單詞生成算法能有效提高復(fù)雜場(chǎng)景下行為分析性能。
　　2)在離線行為聚類過(guò)程中，針對(duì)傳統(tǒng)視覺(jué)單詞缺乏中高層語(yǔ)義和鑒別能力弱及主題模型無(wú)法對(duì)稀少行為建模的缺點(diǎn)，提出了基于VStop視覺(jué)單詞的主流行為聚類方法，以及在主流行為聚

4、類基礎(chǔ)上實(shí)現(xiàn)稀少行為聚類。該算法首先引入運(yùn)動(dòng)信息豐富的VStop視覺(jué)單詞對(duì)行為細(xì)節(jié)信息進(jìn)行有效建模，然后通過(guò)主流行為聚類信息發(fā)現(xiàn)稀少行為文檔集，再剔除主流行為單詞生成稀少行為訓(xùn)練文檔實(shí)現(xiàn)對(duì)稀少行為的建模。通過(guò)Hospedales ICCV09數(shù)據(jù)集以及MIT數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明本論文提出的算法不僅能夠?qū)⒉糠衷緹o(wú)法區(qū)別的類別進(jìn)行細(xì)化，同時(shí)算法能夠有效的在非監(jiān)督框架下發(fā)現(xiàn)低頻稀少行為。
　　3)在線稀少行為檢測(cè)過(guò)程中，尤其在多目標(biāo)多