基于光流直方圖和稀疏表示的群體異常檢測(cè).pdf

1、在公共安全領(lǐng)域，群體場(chǎng)景下的異常檢測(cè)非常重要，正得到越來(lái)越多領(lǐng)域(如物理學(xué)、社會(huì)學(xué)、圖像學(xué)、計(jì)算機(jī)視覺(jué)等）研究者的關(guān)注。群體行為的研究目的在于理解視頻監(jiān)控中的群體行為，不同的研究角度有不同的解釋。在計(jì)算機(jī)視覺(jué)領(lǐng)域，對(duì)于群體行為分析主要是對(duì)行為進(jìn)行分類判別[1]。
　　傳統(tǒng)行為分析研究主要是針對(duì)單個(gè)人進(jìn)行建模，通常假定為背景、光照等不發(fā)生改變，且運(yùn)動(dòng)對(duì)象的運(yùn)動(dòng)模式相對(duì)固定的理想狀態(tài)下。但由于公共領(lǐng)域特別是人群密集的公共場(chǎng)所（如機(jī)場(chǎng)，

2、地鐵站等）中人數(shù)眾多且人與人之間存在大量遮擋[2]，傳統(tǒng)方法應(yīng)用在這類場(chǎng)景中往往出現(xiàn)識(shí)別效果不穩(wěn)定、錯(cuò)誤檢測(cè)率高等問(wèn)題。為了解決傳統(tǒng)分析方法不適用于此類人群密集場(chǎng)景的問(wèn)題，本文研究針對(duì)群體異常行為檢測(cè)的分析方法，分析多種不同場(chǎng)景下的群體異常行為，對(duì)群體中突然出現(xiàn)的聚集、四散、奔跑和打架等突發(fā)異常事件進(jìn)行檢測(cè)。
　　過(guò)去的行為分析研究中所用到的運(yùn)動(dòng)模型大多沒(méi)有考慮到幀與幀之間運(yùn)動(dòng)特征的時(shí)間連續(xù)性，提取特征所含運(yùn)動(dòng)信息較少。本文提出一

3、種新的特征描述子，稱為運(yùn)動(dòng)學(xué)光流直方圖。其在傳統(tǒng)光流直方圖基礎(chǔ)上引入了加速度信息。傳統(tǒng)光流直方圖只能表示多個(gè)方向光流大小的統(tǒng)計(jì)特征，而本文所提出的運(yùn)動(dòng)學(xué)光流直方圖不僅能表示不同方向的光流的分布，還能表示出光流在不同方向的改變情況。這使得運(yùn)動(dòng)特征的表示更加豐富。本文還引入了時(shí)空區(qū)域視覺(jué)顯著性確定方法，通過(guò)分析每一幀的光流特征來(lái)追蹤有效的運(yùn)動(dòng)信息，從而只提取有效的運(yùn)動(dòng)區(qū)域作為樣本，有效地降低了計(jì)算開(kāi)支。本文中還將稀疏表示理論應(yīng)用于群體異常行

4、為檢測(cè)，引入稀疏重構(gòu)代價(jià)來(lái)判別異常行為[3]。稀疏表示相對(duì)于過(guò)去一般所使用的分類方法，其特點(diǎn)主要表現(xiàn)在速度快、識(shí)別率高、識(shí)別效果穩(wěn)定。針對(duì)UMN和UCSD數(shù)據(jù)集以及自拍視頻的實(shí)驗(yàn)結(jié)果顯示:本文方法能有效識(shí)別各類異常，且識(shí)別效果優(yōu)于現(xiàn)有算法。
　　本文研究工作主要分為以下兩個(gè)部分:
　　(1)基于傳統(tǒng)光流直方圖改進(jìn)的運(yùn)動(dòng)學(xué)光流直方圖
　　光流法是非常具有代表性的運(yùn)動(dòng)特征提取方法，是動(dòng)態(tài)特征描述方法的一種，有著廣泛的應(yīng)用。

5、假設(shè)視頻中前后兩幀中所對(duì)應(yīng)的像素點(diǎn)的灰度均不發(fā)生改變，計(jì)算視頻中運(yùn)動(dòng)對(duì)象的瞬時(shí)速度場(chǎng)來(lái)表示該對(duì)象的運(yùn)動(dòng)狀態(tài)。Wang等[4]利用光流直方圖(HOF)來(lái)表示運(yùn)動(dòng)的方向和速度的統(tǒng)計(jì)信息，Cong等[3]提出了多尺度光流直方圖(MHOF)，對(duì)不同尺度的光流分開(kāi)統(tǒng)計(jì)。然而，他們特征表示中均沒(méi)有包含到運(yùn)動(dòng)信息當(dāng)中非常重要的特征，即加速度。在我們的研究中，異常行為往往表現(xiàn)為對(duì)象的快速運(yùn)動(dòng)（如奔跑、人群中快速駛過(guò)的車(chē)輛等）和運(yùn)動(dòng)對(duì)象的突然加速或減速（

6、如人群驚慌四散、毆打等）。本文中，我們提出了新的運(yùn)動(dòng)特征描述子運(yùn)動(dòng)學(xué)光流直方圖。傳統(tǒng)的光流直方圖方法是首先對(duì)圖像塊計(jì)算光流，然后統(tǒng)計(jì)多個(gè)方向的光流分布情況。本文所提出的運(yùn)動(dòng)學(xué)光流直方圖方法不僅要統(tǒng)計(jì)光流在不同方向的分布情況，而且要計(jì)算各個(gè)方向光流大小的改變情況，即運(yùn)動(dòng)對(duì)象在各個(gè)方向的加速度。
　　(2)基于稀疏表示的群體異常行為識(shí)別
　　稀疏表示相關(guān)理論近年來(lái)被廣泛應(yīng)用。稀疏表示是基于過(guò)完備字典的稀疏分解，采用冗余原子構(gòu)造字

7、典，而不是采用傳統(tǒng)的正交基。在一些領(lǐng)域，稀疏表示已取得了相當(dāng)出色的應(yīng)用效果:利用稀疏表示系統(tǒng)重構(gòu)圖像[5]，用重構(gòu)誤差進(jìn)行人臉識(shí)別[6];融合稀疏表示進(jìn)行單人的人體行為識(shí)別[7]等。本文中，我們將稀疏表示理論應(yīng)用于群體異常行為檢測(cè)。實(shí)驗(yàn)結(jié)果顯示稀疏表示相對(duì)于過(guò)去所用的分類方法，速度更快、識(shí)別率更高、識(shí)別效果更穩(wěn)定。稀疏表示非常適合于訓(xùn)練樣本少、特征維數(shù)高的分類情況，我們引入稀疏表示方法來(lái)進(jìn)行異常行為識(shí)別，利用正常行為模式所構(gòu)造的過(guò)完備字

8、典，通過(guò)稀疏重構(gòu)代價(jià)判定異常行為。
　　實(shí)驗(yàn)顯示本文方法能有效地識(shí)別各種異常事件（如奔跑、人群中快速駛過(guò)的車(chē)輛、驚慌四散、毆打等）。由于本文中還運(yùn)用了時(shí)空區(qū)域視覺(jué)顯著性提取的方法，使得冗余的樣本數(shù)量顯著減少，在不影響檢測(cè)效果的前提下，較大地提高了檢測(cè)速率。同時(shí)，運(yùn)用我們所提出的運(yùn)動(dòng)學(xué)光流直方圖特征描述子，能夠檢測(cè)出一些其他方法不易檢測(cè)的特殊異常（對(duì)象突然加速或減速的動(dòng)作）。同時(shí)，由于本文方法所提取的特征包含更豐富的運(yùn)動(dòng)信息，能夠有