基于VStop視覺單詞的復雜場景下行為分析.pdf

1、復雜場景下行為分析，尤其是稀少行為分析是目前計算機視覺研究領(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別、人工智能、圖像處理等多領(lǐng)域知識，如何有效進行融合，并針對行為分析這一具體課題進行研究具有較高的研究意義，同時該課題較強的應用需求（智能看護、智能安防、智能交通、智慧城市等）更增加其研究意義和價值。在固定攝像頭高空復雜場景下，由于場景自身變化、目標多樣化、運動形式各異導致的目標跟蹤困難、行為建模困難、在線檢測復雜等問題。為此論文

2、主要針對上述問題進行了如下研究：復雜場景下行為分析的基礎(chǔ)視覺單詞生成算法改進、離線行為聚類以及在線行稀少為檢測。本論文主要工作分為以下幾個部分：
　　1)在視覺單詞構(gòu)建過程中，傳統(tǒng)的視覺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)果導致對運動目標在運動軌跡相同但運動過程各異的行為無法有效建模。針對這一問題，本文提出了一種時空VStop視覺單詞生成模型。該模型首先使用自適應速度量化算法建立運動模型的速度單詞（V-word），

3、以解決缺乏目標運動速度信息的問題；其次引入停詞（Stop-word）概念用以描述場景中速度為零的行為，有效避免目標暫?；虮徽趽醵鴣G失的問題。通過對Hospedales ICCV09數(shù)據(jù)集的實驗結(jié)果表明VStop視覺單詞生成算法能有效提高復雜場景下行為分析性能。
　　2)在離線行為聚類過程中，針對傳統(tǒng)視覺單詞缺乏中高層語義和鑒別能力弱及主題模型無法對稀少行為建模的缺點，提出了基于VStop視覺單詞的主流行為聚類方法，以及在主流行為聚

4、類基礎(chǔ)上實現(xiàn)稀少行為聚類。該算法首先引入運動信息豐富的VStop視覺單詞對行為細節(jié)信息進行有效建模，然后通過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練文檔實現(xiàn)對稀少行為的建模。通過Hospedales ICCV09數(shù)據(jù)集以及MIT數(shù)據(jù)集的實驗結(jié)果表明本論文提出的算法不僅能夠?qū)⒉糠衷緹o法區(qū)別的類別進行細化，同時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)在線稀少行為檢測過程中，尤其在多目標多