CAJ | 학술논문

针对基于监控视频的人体异常行为识别问题,提出了基于主题隐马尔科夫模型的人体异常行为识别方法,即通过无任何人工标注的视频训练集自动学习人体行为模型,并能够应用学到的人体行为模型实时检测异常行为和识别正常行为.这一方法主要围绕“低层视频表示-中层语义行为建模-高层语义分类”3个方面进行:1)基于时-空间兴趣点构建了一种紧凑的和有效的视频表示方法.2)提出一种新颖的语义主题模型(Topic Model,TM)——主题隐马尔科夫模型(Topic Hidden Markov Model,THMM),它能够自然地分组视频中检测到的人体行为.主题隐马尔科夫模型基于已有的马尔科夫模型和主题模型构造,不但聚类运动词汇成简单动作,而且聚类简单动作成全局行为,同时建模了行为时间上的相关性.THMM是一个4层贝叶斯主题模型,它将视频序列建模为行为的马尔科夫链,同时行为是视频序列中某些视频剪辑(Clip)的概率分布；将视频剪辑建模为动作的随机组合,同时动作是视频剪辑中运动词汇的概率分布.克服了传统隐马尔科夫模型和主题模型在人体复杂行为建模过程中精度、鲁棒性和计算效率上的不足.3)提出运行时累积的异常性测度及其在线异常行为检测方法和基于在线似然比检验(Likelihood Ratio Test,LRT)的实时正常行为分类方法,从而克服了实时行为识别过程中由于缺乏充分的视觉证据而引发的行为类型歧义,能完较好地完成监控场景中实时异常行为检测和在线正常行为识别的任务.取自实际监控场景的实验数据集上的实验结果证明了本方法的有效性.
침대기우감공시빈적인체이상행위식별문제,제출료기우주제은마이과부모형적인체이상행위식별방법,즉통과무임하인공표주적시빈훈련집자동학습인체행위모형,병능구응용학도적인체행위모형실시검측이상행위화식별정상행위.저일방법주요위요“저층시빈표시-중층어의행위건모-고층어의분류”3개방면진행:1)기우시-공간흥취점구건료일충긴주적화유효적시빈표시방법.2)제출일충신영적어의주제모형(Topic Model,TM)——주제은마이과부모형(Topic Hidden Markov Model,THMM),타능구자연지분조시빈중검측도적인체행위.주제은마이과부모형기우이유적마이과부모형화주제모형구조,불단취류운동사회성간단동작,이차취류간단동작성전국행위,동시건모료행위시간상적상관성.THMM시일개4층패협사주제모형,타장시빈서렬건모위행위적마이과부련,동시행위시시빈서렬중모사시빈전집(Clip)적개솔분포；장시빈전집건모위동작적수궤조합,동시동작시시빈전집중운동사회적개솔분포.극복료전통은마이과부모형화주제모형재인체복잡행위건모과정중정도、로봉성화계산효솔상적불족.3)제출운행시루적적이상성측도급기재선이상행위검측방법화기우재선사연비검험(Likelihood Ratio Test,LRT)적실시정상행위분류방법,종이극복료실시행위식별과정중유우결핍충분적시각증거이인발적행위류형기의,능완교호지완성감공장경중실시이상행위검측화재선정상행위식별적임무.취자실제감공장경적실험수거집상적실험결과증명료본방법적유효성.