[01685905]基于步态识别的单目标和多目标 实时预警监控技术

1.课题来源与背景 本技术探索突发事件的实时预警,通过对目标前景的步态行为分析,实现异常事件的提前判断,提供事件发生过程中目标监控锁定以及事件发生后分析等功能。主要包括四个方面的研发内容：单目标的步态识别;单目标步态识别之上的动作分类;多目标群体性步态分析以及动作分类;在上述研究基础上的一个实时预警系统。 2.技术原理及性能指标 2.1 技术原理 本项目重点基于视频序列帧间关系研究的基础上,开展步态识别和异常分析和预警工作。主要的技术组成由以下几方面构成： 1)多特征混合表示之上单目标步态识别 提取轮廓、纹理、结构等多种前人体步态特征,分析各种特征的表达能力,建立多特征混合之上的步态识别。 2)步态相关性分析之上单目标动作分类 根据步态识别结果和视频跟踪的前景目标轨迹,分析在时间序列上的步态分布特征,实现动作分析和分类,发现异常行为。 3)单步态关联分析之上的多目标异常动作分析 将单目标间的步态特征和动作分类相关联,通过图模型推理进行关联性分析,结合多目标步态和动作数据库,实现多目标的异常动作分析,发现异常群体性行为。 4)基于预计算和并行加速的实时预警技术 针对计算速度较低可能难以实时的问题,研究预计算技术在步态特征提取以及动作分类上的应用,设计并行实现方法,利用图形硬件等实现多线程下的实时预警。 2.2 性能指标 该项目针对单目标或多目标的异常,从步态识别的角度入手,研究异常识别技术。这一研究希望达成如下的性能指标： 1)应用系统开发 已研发出一套基于步态识别的单目标和多目标实时预警监控系统。 2)主要功能和性能指标 a.可对单目标对象在监视范围内采取正常行走和快速奔跑两种步态过行区分并进行预警。 b.可对多目标对象在监视范围内采取正常站立和跳动打斗两种步态分类,并进行预警。 c.单目标对象由监视范围的画面上方中间向下,采取快速奔跑的方式通过画面,预警准确率95.0%。 d.多目标对象由监视范围的画面中间,采取跳动打斗方式,预警准确率96.7%。 e.最小实时预警响应时间1.67s。 f.对目标对象行为分类准确率为96.0%。 g.对目标对象的行为识别准确率为96.0%。 3. 技术创新性和先进性 本项目针对监控环境中的单目标和多目标实施异常报警,采用步态识别以及在此进一步深入的目标检测和识别技术,具有较好创新性。具体如下： （1）我们提出基于步态能量图和光流图的异常行为识别方法; （2）我们提出基于轮廓相似度比较的VIBE算法鬼影去除方法; （3）我们提出基于超像素分割与显著性检测相结合的目标空洞填充算法; （4）我们提出运动持续性和显著性结构约束相结合的显著前景分割方法。 以上创新性成果也在已开始在业界和学术界得到部分的认可。比如： （1）已申请5项专利,其中有2项已进入实审; （2）获得软件著作权:大安智能行为分析系统软件,V1.0,登记号:2018SR792763 （3）发表论文多篇; （4）在相关的学生中,已有硕士毕业论文2篇,今年即将已通过毕业的硕士论文达到3篇。 4. 技术的成熟程度、适用范围和安全性 本技术目前已经在实验室内取或超出了预期的效果（见性能指标部分）。该技术也在现场环境中进行了初步的布署,在一定的初始化设置下,也同样取得了一定的效果并得到一定程度的认可。 本技术适用于人群不密集和布局不复杂的环境。另外,现场的异常要有较为清晰的定义,否则也会因定义的模糊而影响异常识别和报警的效果。 本技术目前主要在局域网环境中布局,是比较安全可靠的。 5. 应用情况及存在的问题 该技术主要应用于： （1）公共区域的安全监控 （2）事故的辅助分析 目前,该技术在现场进行了小规模的试用,在一定的初始调试情况下,可以取得预期的效果。当然这一技术也存在一些不足,未来需要进一步解决,如： （1）不能处理人群密集的场合; （2）对于异常和非异常动作区分不显著的取得的效果会较差; （3）光线变化较大的场合也会取得有限的效果; （4）对于一些特殊的现场（比如存在玻璃）,取得的效果也会进一步降低。