范玉紅 魏向鑫

摘要：對于視頻場景中的一些異常行為（暴力行為）識別技術(shù)，本文重點研究深度學習鄰接層間的度量機制和跨層學習方法，建立深度暴力特征網(wǎng)絡(luò)框架，以及研究基于改進的稀疏表達分類的檢測框架，實現(xiàn)進一步提升識別能力并達到實際監(jiān)控應(yīng)用。

關(guān)鍵詞：視頻場景;暴力行為;識別技術(shù)

中圖分類號：G642? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）25-0116-02

社會焦點問題之一就是如何保障公共安全問題。如今攝像頭廣泛地應(yīng)用于銀行、車站、辦公樓、小區(qū)等各種公共場所。因此，研究能夠自動檢測異常事件（如暴力事件）的智能視頻監(jiān)控系統(tǒng)是非常重要的。如果能解決這一問題，無疑將為社會保障增加更多籌碼，它也將對促進人工智能技術(shù)的發(fā)展起到巨大的作用。

本文重點研究深度學習鄰接層間的度量機制和跨層學習方法，建立深度暴力特征網(wǎng)絡(luò)框架，以及研究基于改進的稀疏表達分類的檢測框架，實現(xiàn)進一步提升識別能力并達到實際監(jiān)控應(yīng)用。

1 異常識別

異常行為的解釋基于不同的應(yīng)用場景。異常行為識別的研究分為兩個步驟：1）對視頻序列進行處理，包括前景背景分離和特征提取;2）目標行為模式識別與分類。目前，常用的前景和背景分離方法包括高斯混合模式[7]，相鄰幀差分法[8]，等等這些方法可以實現(xiàn)良好的檢測效果與小燈對比變化在靜態(tài)場景中，但是他們會被各種干擾因素在動態(tài)場景。它對光的變化、葉片的擾動、陽光下性狀的反射和水面的波動非常敏感。在人體輪廓圖像序列特征提取這一方面，大多數(shù)研究者使用全局表示法，其中Bobick等[7]通過構(gòu)造運動能量圖和改進的運動歷史圖來描述運動變化。Souvenir 等人[10]通過將一系列人體剪影圖像構(gòu)建成三維時空體塊來描述運動。Gorelick等[11]根據(jù)動作行為發(fā)生的時間序列和順序，將人體剪影圖像序列進行排列，構(gòu)建人體的時空形態(tài)，以表征行為。上面的方法添加高緯度數(shù)據(jù)信息，如時間序列或時空二維的基礎(chǔ)上深度信息來描述時空運動更準確，但有許多后續(xù)處理，如提取目標運動的地區(qū)利益和優(yōu)化降維的高維運動數(shù)據(jù)。

2 本文方法

2.1 建立基于深度學習的暴力特征網(wǎng)絡(luò)模型和其優(yōu)化方案

“高層特征提取”問題是個難點。我們嘗試研究分析人眼視覺在此問題上的一些機理。如數(shù)個人在一起打架，人眼能夠認識到這些是一體的行為，屬于同一個整體。一般打架行為都會存在多個個體之間的交互行為;從語義上可推理識別出來的，訓練庫中也包含這類的樣本。因而需要研究模擬相關(guān)視覺機理的模型或算法，并研究充分利用上下文和肢體的各種 語義條件，及研究分析訓練庫中已知打架行為特征模式圖。具體地，對每個肢體子集建立可見肢體配對的圖模型，融入視覺機理的模型和語義信息，然后研究進行匹配識別的理論模型，提出相應(yīng)的特征提取算法。并且考慮到視頻數(shù)據(jù)量大，不宜設(shè)計層數(shù)多的網(wǎng)絡(luò)模型。

我們擬提出以下深度模型框架：

如圖1所示，考慮到視頻數(shù)據(jù)的高維特征，我們擬設(shè)計一個三層的網(wǎng)絡(luò)結(jié)構(gòu)來刻畫暴力的深度特征。[W1，W2，W3，W4]分別代表層與層之間的加權(quán)值，[R2]分別描述輸入層與輸出層之間的誤差，[R1]描述初級層與高級層之間的誤差。通過設(shè)計這樣一個帶有圖結(jié)構(gòu)網(wǎng)絡(luò)模型，我們希望可以降低網(wǎng)絡(luò)層的重構(gòu)誤差，讓高級層學習得到的特征更加具有代表性，為了幫助學習，在每一層之間我們設(shè)置了加權(quán)值進行歸一化處理。

此外，為了更好地挖掘暴力行為的序列幀特征，我們擬設(shè)計如圖2 所示的結(jié)果，它可以看作是一個高斯的馬爾科夫結(jié)構(gòu)狀態(tài)過程，該模型具有更好的可伸縮性，與以往的序列特征模型算法相比，它可以很容易地從更長的時間序列中學習到判別性的特征。因此，在本項目的研究中，如何對上述結(jié)構(gòu)更好地模擬建模是需要著重研究的內(nèi)容。

2.2 聯(lián)合優(yōu)化準則或算法

在此框架下，為了有效地發(fā)揮深度學習的特性來提升特征的區(qū)分能力，我們重點研究深度學習鄰接層間的度量機制和跨層學習方法，及深入思考基于深度學習對暴力行為特征提取的理論模型和框架，提出相應(yīng)的優(yōu)化準則和算法。

1）研究基于稀疏表示的分類算法

由于暴力行為具備特有的特征，本課題研究基于特定類的稀疏分類的方法?？紤]加入使得不同類的字典相互獨立的條件，研究在原模型中加入約束項來增強學習的能力，及整個字典學習和優(yōu)化方法。

2） 設(shè)計稀疏分類模型

3） 設(shè)計優(yōu)化策略

我們可以證明式（5）是非凸的，這是一個看似不可解的問題。但當其他變量固定時，求解變量D、W或Z是凸的，本文將求解問題分解為三個子問題，即交替求解Z、D或W：變化Z（固定D和W），變化D（固定W和Z），變化W（固定D和Z）。在未來的理論研究中，還需要研究基于稀疏分類的優(yōu)化算法，為上述模型優(yōu)化問題的子問題尋找最合理的解決方案。

2.3結(jié)果驗證

基于深度學習的特征提取和基于稀疏表示的分類思路符合識別的內(nèi)在本質(zhì)，能有效感知及描述異常行為的特征。本文提出更靈活的深度模型及其優(yōu)化算法、稀疏降維模型及其優(yōu)化算法和稀疏分類模型及其優(yōu)化算法，經(jīng)實驗驗證，是可行的。

參考文獻：

[1] Christine T. Clarin， M. Dionisio， Michael T. Echavez. DOVE： Detection of Movie Violence using Motion Intensity Analysis on Skin and Blood[J]. Pcsc， 2005.

[2] Fillipe D. M. de Souza， Guillermo C. Chavez， Eduardo A. do Valle Jr.， Arnaldo de A. Araujo. Violence Detection in Video Using Spatio-Temporal Features.[C]. 2012 25th SIBGRAPI Conference on Graphics， Patterns and Images. IEEE， 2010：224-230.

[3] Hassner T，Itcher Y，Kliper-Gross O.Violent flows：Real-time detection of violent crowd behavior[C]//2012 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops.June 16-21，2012，Providence，RI，USA.IEEE，2012：1-6.

[4] 舒毅，邢玉娟.基于i-向量和PCA字典學習稀疏表示的說話人確認[J].計算機工程與應(yīng)用，2016，52（18）：144-147，166.

【通聯(lián)編輯：王力】