群體目標(biāo)識(shí)別與分析技術(shù)研究.pdf

1、群體行為識(shí)別與分析是模式識(shí)別和計(jì)算機(jī)視覺領(lǐng)域的前沿課題，為公共場所視頻監(jiān)控、戰(zhàn)場實(shí)時(shí)分析等提供有效的技術(shù)手段。隨著計(jì)算機(jī)視覺技術(shù)的快速發(fā)展，基于圖像的目標(biāo)檢測、識(shí)別等技術(shù)日趨成熟。然而，基于視頻的技術(shù)仍需進(jìn)一步提高，特別是行為識(shí)別。群體行為識(shí)別是行為識(shí)別的一種，其場景比一般行為復(fù)雜。到目前為止，不同的目標(biāo)群體很難利用固定的算法進(jìn)行分析。
　　相對(duì)單個(gè)目標(biāo)或多個(gè)目標(biāo)，群體行為是整體行為，目標(biāo)與目標(biāo)之間的上下文關(guān)系密切。通常具有以下特

2、點(diǎn)：目標(biāo)數(shù)量較多，運(yùn)動(dòng)環(huán)境復(fù)雜，速度快慢不一，密度高或相互之間遮擋嚴(yán)重等。目前，國內(nèi)外學(xué)者對(duì)該課題研究不多。雖然近幾年取得了一些階段性的成果，出現(xiàn)了一些大型數(shù)據(jù)庫，但是不同課題組研究的切入點(diǎn)不同，整體研究處于比較分散的階段。
　　本文的研究主要集中在兩類目標(biāo)群。一是稀疏目標(biāo)群（例如航母戰(zhàn)斗群）；二是稠密目標(biāo)群（例如人群）。本文以航母戰(zhàn)斗群為例研究了稀疏目標(biāo)群；以人群為例研究了稠密目標(biāo)群。針對(duì)群體目標(biāo)的特點(diǎn)，本文的研究內(nèi)容如下：

3、r>　　首先，模擬了衛(wèi)星監(jiān)視中的航母戰(zhàn)斗群航行視頻。航母戰(zhàn)斗群的數(shù)據(jù)非常寶貴，模擬航母戰(zhàn)斗群隊(duì)形變化航行的意義重大。雖然目前的衛(wèi)星技術(shù)很難支持大范圍的視頻拍攝，但是模擬視頻可以驗(yàn)證識(shí)別算法在任意時(shí)刻的有效性。為了盡可能真實(shí)模擬航母戰(zhàn)斗群的航行，本文分析了雷達(dá)偵察衛(wèi)星和光學(xué)偵察衛(wèi)星監(jiān)視航母戰(zhàn)斗群的可行性。提出利用三次Hermite插值函數(shù)規(guī)劃軍艦的軌跡，既可以保證規(guī)劃的軌跡函數(shù)二次可導(dǎo)，也能很好控制隊(duì)形變化過程中艦船之間的距離，防止發(fā)生碰

4、船事件。最后，為了增強(qiáng)模擬航行的視頻真實(shí)性，采用“谷歌地球”中的航母和軍艦照片作為軍艦?zāi)０?，?dòng)態(tài)海面作為背景，沿著設(shè)置好的軌跡生成航母戰(zhàn)斗群的模擬航行視頻。
　　其次，在假設(shè)艦船目標(biāo)已經(jīng)檢測出來的基礎(chǔ)上研究了航母戰(zhàn)斗群的隊(duì)形識(shí)別和行為分析。提出在阿基米德螺線上選取一系列觀察點(diǎn)，計(jì)算每個(gè)觀察點(diǎn)與航母戰(zhàn)斗群的上下文信息，形成了多觀察點(diǎn)上下文描述子，成功解決了旋轉(zhuǎn)和尺度不變性問題。建立了概率密度函數(shù)模型，將隊(duì)形的局部信息與全局信息有效融

5、合，增強(qiáng)了算子的描述能力。該描述子的維度與軍艦數(shù)量無關(guān)，其識(shí)別性能對(duì)航母戰(zhàn)斗群的中心區(qū)域軍艦數(shù)量不敏感，符合航母戰(zhàn)斗群編隊(duì)的實(shí)際情況。提出了基于隱馬爾科夫模型的行為識(shí)別方法，并在不同的模擬視頻中驗(yàn)證了算法的有效性。
　　針對(duì)人群檢測，本文提出了一種新的局部區(qū)域描述子——多觀察點(diǎn)統(tǒng)計(jì)直方圖。在多個(gè)觀察點(diǎn)上進(jìn)行徑向梯度變換，形成了一種局部區(qū)域的整體描述子。在不需要?dú)w一化圖像尺度大小的情況下，能統(tǒng)一描述不同尺度的人群圖像塊。最后結(jié)合了快

6、速目標(biāo)框的方法進(jìn)行人群檢測。基于目標(biāo)框的方法人群檢測不需要高斯金字塔，但卻可以利用少數(shù)目標(biāo)框覆蓋大部分目標(biāo)。
　　針對(duì)形態(tài)變化較大的人群場景，提出了一種多標(biāo)簽的分類器模型。人群行為種類繁多，類別之間關(guān)系復(fù)雜，傳統(tǒng)的分類器效率不高、效果不好。充分利用不同類別之間的從屬關(guān)系，提出了一種高效分類器模型。相比傳統(tǒng)分離器，本文的分類器具有完美的閉合解，可以同時(shí)高效處理多個(gè)類別。人群場景分類是一個(gè)多實(shí)例的問題，本文結(jié)合了深度卷積網(wǎng)絡(luò)和Fish