基于時空特征的視頻群體行為識別算法研究.pdf

1、伴隨著人類社會城市化進程的發(fā)展以及城市人口的大規(guī)模增長，對在城市公共安全、社會反恐等城市安全治理的智慧化管理需求日益凸顯。隨著城市大范圍高密度高清視頻監(jiān)控體系的建設(shè)運行，如何對這些海量的信息有效的分析利用，真正發(fā)揮城市公共安全事件及時發(fā)現(xiàn)和防控的作用，成為該領(lǐng)域深化建設(shè)的關(guān)注熱點和必然趨勢。本文結(jié)合現(xiàn)實需求，針對監(jiān)控視頻中群體暴力行為的識別和檢測這一問題，從時空特征表征、字典學(xué)習(xí)方法兩個層面進行了研究，提出了基于視頻時空特征的群體行為識

2、別算法，并完成了暴力群體行為檢測系統(tǒng)的開發(fā)實現(xiàn)。
　　本文的主要工作包括：
　　1）對暴力視頻時空特征表征效果進行了研究。本文針對群體行為識別問題，研究比較了MoSIFT，ViF，SC-ISA（Stacked Convolutional ISA）等不同時空特征對群體行為進行表征的效果，討論了hand-design（人工設(shè)計）時空特征和非監(jiān)督學(xué)習(xí)時空特征各自的優(yōu)勢與不足。
　　2）提出了一種基于SFV(Stacked F

3、isher Vector，堆疊Fisher編碼)的字典學(xué)習(xí)模型。本文提出的模型具有字典學(xué)習(xí)速度快，中層語義區(qū)分性強的優(yōu)勢。
　　3）提出了一種基于SC-ISA特征和SFV字典學(xué)習(xí)模型的暴力群體行為檢測算法。本文提出算法對視頻的信息描述準確，語義表征全面，在公共暴力群體行為數(shù)據(jù)集Crowd Violence dataset上進行了準確率和檢測速度的測試，檢測結(jié)果優(yōu)于同問題下的其他先進算法。
　　4）論文在算法工作的基礎(chǔ)上，設(shè)計