徐飛

摘要：為了使視頻監(jiān)控系統(tǒng)達到較高的智能化水平，提高工作效率，實現(xiàn)自動檢測并反饋異常情況，該文提出了一種基于深度學(xué)習(xí)的視頻目標(biāo)異常行為分析算法，針對考場和網(wǎng)上評卷監(jiān)控視頻，判斷目標(biāo)是否存在異常行為，基于目標(biāo)及骨架模型檢測、目標(biāo)跟蹤和目標(biāo)行為分析多端結(jié)合的方法在此方面更有效，在考場和網(wǎng)上評卷監(jiān)控視頻中的考生和老師異常行為分析具有明顯的效果，能夠解決考場和網(wǎng)上評卷監(jiān)控視頻中人工查找異常，工作效率低及視頻存儲冗余大，無法過濾無關(guān)緊要的視頻等問題。

關(guān)鍵詞：深度學(xué)習(xí);骨架模型;考場監(jiān)控

中圖分類號：TP18? ? ? 文獻標(biāo)識碼：A

文章編號：1009-3044（2019）20-0230-03

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

1概述

考場和網(wǎng)上評卷監(jiān)控視頻系統(tǒng)大多處于傳統(tǒng)模式，其主要功能和應(yīng)用還是停留在攝像和存儲上，即“只記錄不判斷”，一旦發(fā)現(xiàn)異常情況，只能通過人工回看存儲的視頻查找異常，因此目前的視頻監(jiān)控主要存在以下問題：需人工回看查找異常，工作效率低;視頻存儲冗余大，無法過濾無關(guān)緊要的視頻。

近年來，隨著計算機視覺領(lǐng)域的飛速發(fā)展，以及機器學(xué)習(xí)技術(shù)、深度學(xué)習(xí)技術(shù)等深度應(yīng)用，基于監(jiān)控視頻的拓展研究領(lǐng)域越來越廣泛，應(yīng)用相關(guān)技術(shù)對視頻中的人體行為進行分析，將現(xiàn)有的簡單行為識別和語義描述推廣到更為復(fù)雜的未知場景下的行為分析與自然語言描述變得越來越重要。目前視頻行為分析方法主要通過深度學(xué)習(xí)實現(xiàn)，其中主要分為基于端到端的深度神經(jīng)網(wǎng)絡(luò)架構(gòu)的方法和基于目標(biāo)及骨架模型檢測、目標(biāo)跟蹤和目標(biāo)行為分析多端結(jié)合的方法。這兩種方法在行為識別方面都取得了不錯的效果。

但針對考場和網(wǎng)上評卷監(jiān)控視頻，由于視頻中存在多個目標(biāo)且間隔較小，基于端到端的深度神經(jīng)網(wǎng)絡(luò)架構(gòu)方法對目標(biāo)行為分析效果不明顯，為了實現(xiàn)更加智能化的目標(biāo)行為分析方法，判斷目標(biāo)是否存在異常行為，基于目標(biāo)及骨架模型檢測、目標(biāo)跟蹤和目標(biāo)行為分析多端結(jié)合的方法在此方面更有效，基于此，本文提出一種新穎的基于深度學(xué)習(xí)的視頻目標(biāo)異常行為分析算法。

2基于深度學(xué)習(xí)的視頻目標(biāo)異常行為分析

綜合考慮監(jiān)控環(huán)境和目標(biāo)行為的檢測與分析，實現(xiàn)基于深度學(xué)習(xí)的人體姿態(tài)估計動態(tài)行為分析算法，其主要分為四個關(guān)鍵的處理階段：第一階段是基于深度學(xué)習(xí)的人體姿態(tài)估計核跟蹤算法，實現(xiàn)了多個目標(biāo)檢測及目標(biāo)骨架模型檢測和使用非極大值抑制算法確定目標(biāo)在不同相鄰圖像序列之間所處的位置，實現(xiàn)跟蹤目標(biāo)的目的;第二階段是選取目標(biāo)關(guān)鍵坐標(biāo)信息，目的是去掉目標(biāo)姿態(tài)中多余的坐標(biāo)點和非規(guī)則的目標(biāo)圖像有利于對目標(biāo)行為分析，降低行為識別錯誤率;第三階段是界定目標(biāo)行為，提取目標(biāo)正常行為和異常行為時的特征向量，經(jīng)過SVM分類器進行動作分類，其中SVM分類器由大量目標(biāo)行為動作特征訓(xùn)練得到;第四階段是結(jié)合SVM分類器的學(xué)習(xí)算法和特征向量相似度匹配算法修正行為界定參數(shù)，實現(xiàn)了動態(tài)行為分析算法對識別錯誤的目標(biāo)行為進行再學(xué)習(xí)和即時屏蔽相似識別錯誤的行為的功能?；谏疃葘W(xué)習(xí)的目標(biāo)考場異常行為分析主要原理如圖1。

2.1基于深度學(xué)習(xí)的人體姿態(tài)估計和跟蹤

基于深度學(xué)習(xí)的視頻目標(biāo)異常行為分析算法，首先實現(xiàn)的是目標(biāo)檢測，目的是從視頻序列的場景圖像中準(zhǔn)確檢測、提取出目標(biāo)。目標(biāo)檢測是數(shù)字圖像處理技術(shù)的一個主要組成部分，也是計算機視覺、模式識別、目標(biāo)跟蹤與識別、安全監(jiān)控等眾多領(lǐng)域的重點和難點，在許多領(lǐng)域都有廣泛的應(yīng)用背景。智能監(jiān)控系統(tǒng)中的后續(xù)處理與目標(biāo)檢測效果的優(yōu)劣直接相關(guān)，比如后續(xù)的行為理解和分析等。因此，目標(biāo)檢測效果的優(yōu)劣關(guān)系到整個系統(tǒng)的優(yōu)劣性和實用性。

基于深度學(xué)習(xí)的人體姿態(tài)估計算法實現(xiàn)了對目標(biāo)及其抽象姿態(tài)的檢測，即通過人體結(jié)構(gòu)關(guān)系優(yōu)化算法連接每個目標(biāo)的關(guān)鍵關(guān)節(jié)坐標(biāo)點實現(xiàn)對目標(biāo)抽象姿態(tài)的檢測，主要原理步驟如下：

1）利用卷積神經(jīng)網(wǎng)絡(luò)CNN_1（VGG網(wǎng)絡(luò)模型）對圖像進行特征提取生成特征圖，目的是過濾無關(guān)背景;

2）分別利用兩個卷積神經(jīng)網(wǎng)絡(luò)（CNN_2_1和CNN_2_2分別為全連接網(wǎng)絡(luò)模型）對圖像特征圖進行分布式處理，CNN_2_1實現(xiàn)檢測人體關(guān)節(jié)坐標(biāo)區(qū)域并通過非極大值抑制算法進行優(yōu)化得到最優(yōu)的人體關(guān)節(jié)坐標(biāo)點，CNN_2_2實現(xiàn)檢測人體結(jié)構(gòu)關(guān)系區(qū)域并通過人體結(jié)構(gòu)關(guān)系向量優(yōu)化算法得到單一人體結(jié)構(gòu)區(qū)域，聯(lián)合人體關(guān)節(jié)坐標(biāo)點和單一人體結(jié)構(gòu)區(qū)域得到人體目標(biāo)抽象姿態(tài)。

3）優(yōu)化神經(jīng)網(wǎng)絡(luò)模型循環(huán)迭代至損失函數(shù)值最小得到最優(yōu)的單一目標(biāo)人體抽象姿態(tài)（包含人體關(guān)節(jié)坐標(biāo)點）。

算法中卷積神經(jīng)網(wǎng)絡(luò)CNN_1是為了滿足提取圖像特征的需要由大量目標(biāo)圖像訓(xùn)練得到，卷積神經(jīng)網(wǎng)絡(luò)CNN_2_1是為了滿足檢測關(guān)節(jié)坐標(biāo)區(qū)域的需要由大量目標(biāo)圖像通過標(biāo)定關(guān)節(jié)位置的高斯響應(yīng)訓(xùn)練得到，卷積神經(jīng)網(wǎng)絡(luò)CNN_2_2是為了滿足檢測結(jié)構(gòu)關(guān)系區(qū)域的需要由大量目標(biāo)圖像通過標(biāo)定和計算人體部件位置訓(xùn)練得到。另外對得到的每個目標(biāo)骨骼模型在圖像序列之間建立目標(biāo)相關(guān)骨骼模型流，由于考場中有多個目標(biāo)且移動幅度較小，所以使用非極大值抑制算法確定目標(biāo)在不同相鄰圖像序列之間所處的位置，實現(xiàn)跟蹤目標(biāo)的目的，便于對連續(xù)圖像序列中的每個目標(biāo)進行行為分析。基于深度學(xué)習(xí)的人體姿態(tài)估計原理圖如圖2：

2.2選取目標(biāo)關(guān)鍵部位坐標(biāo)信息

根據(jù)視頻監(jiān)控下的場景，目標(biāo)在考試或網(wǎng)上評卷過程中的行為主要集中體現(xiàn)在目標(biāo)的頭部、肩部、胳膊等上半身部位，對目標(biāo)進行行為分析主要是對目標(biāo)上半身部位的分析。因此，需要對人體姿態(tài)估計算法得到的目標(biāo)抽象姿態(tài)做進一步處理，去掉上半身以外的部位。

首先，根據(jù)人體姿態(tài)估計算法，找出需要去掉的身體部位的坐標(biāo)點的操作實際上就是把去掉部位對應(yīng)的坐標(biāo)點置為0，得到所需部位關(guān)鍵坐標(biāo)點，然后對所需的人體關(guān)鍵坐標(biāo)點進行連接。另外，為了避免對拍攝不當(dāng)或存在遮擋的目標(biāo)產(chǎn)生錯誤的行為分析，算法中把是否拍攝到目標(biāo)上半身關(guān)鍵部位將目標(biāo)圖像定義為規(guī)則圖像和非規(guī)則圖像，規(guī)則圖像是包含目標(biāo)頭部、肩部、胳膊或者頭部、肩部或者肩部、胳膊的圖像，其他的圖像為非規(guī)則圖像。系統(tǒng)中采用丟棄非規(guī)則圖像，只處理規(guī)則圖像的策略實現(xiàn)行為分析，示意圖如圖3：

2.3目標(biāo)行為特征提取與分析

目標(biāo)行為界定就是目標(biāo)異常行為識別的過程，異常行為識別是指對人體行為通過機器語言和算法進行分析和描述，并采用自然語言對其進行理解，這個過程為行為-視頻-分析-描述-行為，即測試序列通過預(yù)先建立的異常行為分類器進行行為分類，可以簡單地認(rèn)為是時空變化的數(shù)據(jù)分類。因此，人體異常行為識別的關(guān)鍵技術(shù)是如何依靠樣本建立人體行為分類器，并且該分類器能夠適應(yīng)在相似背景下的空間和時間尺度上的變化特征來更新和學(xué)習(xí)。

目標(biāo)行為界定的原理是在基于深度學(xué)習(xí)的人體姿態(tài)估計算法的基礎(chǔ)上，對目標(biāo)關(guān)鍵部位的變化進行特征表示，然后通過SVM分類器進行行為識別。

特征表示的原理流程是在通過人體姿態(tài)估計算法檢測到目標(biāo)圖像中建立統(tǒng)一坐標(biāo)系，計算連續(xù)兩張圖像中目標(biāo)的關(guān)鍵點坐標(biāo)變化幅度值、方向和胳膊連接線、兩肩連接線、頭部連接線相互之間的角度變化并組成特征向量，特征向量提取示意圖如圖4所示。

行為識別的原理流程是把行為特征向量通過SVM分類器進行分類，得到行為類型，判斷目標(biāo)行為是否為異常行為，其中SVM分類器是經(jīng)過標(biāo)注和提取大量目標(biāo)行為特征向量訓(xùn)練學(xué)習(xí)得到。

目標(biāo)行為界定原理圖如圖5：

2.4相似度匹配和反饋學(xué)習(xí)

目標(biāo)行為分析在實際應(yīng)用中，不可避免地會出現(xiàn)對某些行為發(fā)生了錯誤的識別，即把正常的行為識別為錯誤的行為。系統(tǒng)會產(chǎn)生誤報，影響正?？荚?，為了達到即時屏蔽類似錯誤識別的行為的目的，并后期可以對SVM分類器進行反饋學(xué)習(xí)，設(shè)計了基于特征向量相似度匹配的行為識別修正算法和錯誤識別的行為特征向量反饋學(xué)習(xí)算法。

基于特征向量相似度匹配的行為識別修正算法的原理是把錯誤識別的行為的特征向量保存到修正庫中，并根據(jù)實際行為類型記錄到修正庫中，將修正庫中的特征向量與每次提取的行為特征向量進行余弦相似度匹配，并設(shè)定相似度閾值，當(dāng)通過SVM分類器界定結(jié)果與相似度匹配結(jié)果一致時，得到最終行為界定結(jié)果。反饋學(xué)習(xí)算法的原理是利用了分類器模型能夠再學(xué)習(xí)的優(yōu)點，當(dāng)目標(biāo)行為界定算法對于一些行為發(fā)生錯誤識別時，反饋學(xué)習(xí)算法通過人工標(biāo)記錯誤識別的行為類型反饋給SVM分類器，SVM分類器經(jīng)多次訓(xùn)練后可以自動修正行為分類中的參數(shù)并提高行為識別準(zhǔn)確率。

3實驗

在應(yīng)用中，因為考場和網(wǎng)上評卷視頻中存在大量冗余，所以我們采取在視頻中采樣圖像的方式進行目標(biāo)動態(tài)行為分析，我們算法中所使用的卷積網(wǎng)絡(luò)模型和SVM分類器都是經(jīng)過長時間積累的考場和網(wǎng)上評卷監(jiān)控視頻中的圖像數(shù)據(jù)進行標(biāo)注和訓(xùn)練得到。在應(yīng)用測試中，我們把異常行為分類準(zhǔn)確率作為衡量算法優(yōu)劣的標(biāo)準(zhǔn)。

在某省一場考試中，實時處理近3000小時監(jiān)控視頻，視頻分辨率為720p，對三個目標(biāo)異常動作（轉(zhuǎn)身，伸手，起身）測試結(jié)果如下：

4總結(jié)

智能視頻動態(tài)行為分析作為視頻監(jiān)控的一個發(fā)展方向，已經(jīng)得到越來越多的關(guān)注，可以預(yù)見的是，考場和網(wǎng)上評卷現(xiàn)場監(jiān)控視頻環(huán)境下的目標(biāo)行為分析將對考場和網(wǎng)上評卷現(xiàn)場秩序考試中的突發(fā)狀況發(fā)揮著越來越重要的監(jiān)控作用。

本文在研究和分析了基于視頻序列的動態(tài)行為分析關(guān)鍵技術(shù)的基礎(chǔ)上，圍繞考場和網(wǎng)上評卷現(xiàn)場中對目標(biāo)的異常行為分析識別要求，設(shè)計了基于深度學(xué)習(xí)的人體姿態(tài)估計動態(tài)行為分析算法，雖然目前這種應(yīng)用技術(shù)受到監(jiān)控視頻質(zhì)量、目標(biāo)行為樣本數(shù)量和計算能力的影響，還不夠成熟，但它能夠檢測和識別考場和網(wǎng)上評卷現(xiàn)場中部分異常動作（轉(zhuǎn)身，伸手，起身）。

參考文獻：

[1] Cho S H， Kang H B. Abnormal behavior detection using hybrid agents in crowded scenes[J]. Pattern Recognition Letters， 2014， 44： 64-70.

[2] 李婧. 電子監(jiān)考異常行為的檢測與研究[D]. 太原： 太原理工大學(xué)， 2013.

[3] 李慧. 基于視頻的考場異常行為識別研究[D]. 天津：天津財經(jīng)大學(xué)， 2012.

[4] 楊帆. 智能化考場中考生考勤的關(guān)鍵技術(shù)研究[D]. 昆明：昆明理工大學(xué)， 2014.

[5] 張銀霞， 馬小川， 楊季彪， 等. 基于卡爾曼濾波的考生異常行為檢測與識別[J]. 齊齊哈爾大學(xué)學(xué)報 ：自然科學(xué)版， 2017（6）：16-19.

[6] Arifoglu D， Bouchachia A. Activity recognition and abnormal behaviour detection with recurrent neural networks[J]. Procedia Computer Science， 2017， 110： 86-93.

[7] 韓貴金， 趙勇. 基于樹形圖結(jié)構(gòu)模型的人體姿態(tài)估計[D]. 西安：西安郵電大學(xué)學(xué)報，2013.

[8] 李少波， 趙毅夫， 趙群飛， 等. 機器人的人體姿態(tài)動作識別與模仿算法[J]. 計算機工程，2013（8）：181-186.

[9] Chong Y S， Tay Y H. Modeling representation of videos for anomaly detection using deep learning： A review[J]. Computer Science， 2015.

[10] Castro D， Hickson S， Bettadapura V， et al. Predicting daily activities from egocentric images using deep learning[C]//proceedings of the 2015 ACM International symposium on Wearable Computers. ACM， 2015： 75-82.