视频目标语义交互模型的人行为检测的关键技术研究

Human action detection technology is the application of basic research in the field of multimedia information processing technology and content security technology. It is an important potential applications to detect human action accurately and efficiently for understanding the human action and events and analyzing the video content retrieval precisely. The topic expands the video human action detection algorithm based on new video features extracting methods and new target semantic interaction models. In our new methods of video features extracting, we proposed a humanoid detection algorithm based on improved HOG. A high-speed HOG optimization algorithm is proposed based on the key technology of the prior model of human movement tree joint analysis methods. Besides the semantic interaction of human body and object recognition model is trained based on the probabilistic model of the target area, thus improving the accuracy rate of human action detection. The proposed human action detection methods based on the interaction model of the target semantic integrates the respective strengths of human joints, limb characteristics and the objective semantic interaction model effectively to improve the recognition accuracy of the video human action detection and expand the range of applications. It is more efficient to understand the individual action-oriented, such as airports and other important scenes, events. This research has important social significance to regional security monitoring and crisis event detection.

对视频中人的行为检测的研究，属于信息安全和信息智能分析理解领域的应用基础研究。对复杂视频环境下人行为的正确识别和理解，对预测和事后分析某些特殊事件，具有非常重要的意义。本课题围绕新的视频特征获取方法和新的目标语义交互模型，展开对视频中人的交互行为检测算法研究。在视频新特征获取的方法中，提出基于改进HOG特征的人形检测算法、提出高速HOG的优化算法、基于运动树先验概率模型的人体关节分析方法等关键技术。还提出基于目标区域概率模型的人体与物体语义交互识别的模型，可更加精确地检测人的行为。课题提出的基于目标语义交互模型的人行为检测的关键技术研究，有效融合了人关节、肢体的特征和目标语义交互模型的各自优势，提高对视频中人的各种行为检测的识别准确性和适用范围。研究成果对城市公共安全监控、海量监控视频关联性分析、特定场景下的个体行为分析及预测等应用，具有显著的社会效益。

对数字视频中人的行为检测的研究，属于信息智能分析及模式识别领域的应用基础研究。对复杂视频环境下人行为的正确识别和理解，在智能监控领域对预测和事后分析某些特殊事件，具有非常重要的意义。本课题围绕新的视频特征获取方法和新的目标语义交互模型，展开对视频中人的交互行为检测算法研究，研究工作以视频结构化摘要技术为基础，以异常事件模式识别为突出应用。研究重点包括两个方面：一是新特征获取方法研究，二是人的异常行为模型识别研究。在视频新特征获取的算法研究中，提出基于改进HOG特征的人形检测算法、提出高速HOG的优化算法、基于3D人体关节特征的人行为检测方法、基于双流字典学习结构的人体行为识别的方法等；在针对人的异常行为模式识别研究上，提出基于光流块统计特征的视频异常行为检测算法、基于马尔科夫深度信任网络的无监督特征学习方法、长循环残差网络的人体交互模型识别方法等，以及基于线性回归函数的行为数量统计方法、基于双检测模型的视频镜头自动分割算法、基于增强光流一致性特征的图像分割算法、基于边界归类的新闻视频故事分隔算法等基础算法。此外，本课题也针对数字视频真伪鉴别的内容篡改检测问题，扩展了在视频内容重压缩及篡改检测方面的算法研究。本课题的研究成果在相关领域具有较好的理论研究价值和技术应用价值。.本课题已公开发表14篇学术论文（其中重要期刊论文8篇，国际知名会议论文5篇），申请国家发明专利9项。研究成果可应用于城市公共安全监控、海量监控视频关联性分析、特定场景下的个体行为分析及预测等科学研究和产业应用中。课题的部分算法成果已经在与神州数码有限公司合作建设的“神州数码城市公共安全视频分析智能云平台研发及产业化”项目中应用，取得了显著的社会和经济效益。