引言

利用監(jiān)控視頻對人體異常行為進行識別時，部分監(jiān)控設(shè)備由于硬件限制或安裝位置較遠[1]，拍攝的視頻分辨率較低，導(dǎo)致人體行為細節(jié)難以清晰呈現(xiàn)，影響行為特征的提取和識別。其次，監(jiān)控攝像頭可能因受到外力干擾、設(shè)備老化或拍攝環(huán)境不穩(wěn)定等因素[2]，出現(xiàn)畫面模糊或抖動的情況。這會使視頻中的人體輪廓和行為軌跡不清晰，增加行為識別的難度。例如，戶外監(jiān)控中強風(fēng)可能導(dǎo)致攝像頭晃動，畫面不穩(wěn)定[3]。除此之外，監(jiān)控視頻中正常行為占主導(dǎo)，異常行為發(fā)生頻率較低。這需要從海量正常行為數(shù)據(jù)中篩選少量異常行為，增加了數(shù)據(jù)處理難度和誤判風(fēng)險[4]。

在相關(guān)研究中，張冰冰等人針對小樣本視頻行為識別方法在全局時空信息獲取和復(fù)雜行為建模方面的局限，開展了基于連續(xù)幀信息融合建模的研究[5]，在2D卷積架構(gòu)下，設(shè)計連續(xù)幀信息融合模塊位于網(wǎng)絡(luò)的輸入端，以負責(zé)捕獲并轉(zhuǎn)化低級信息，輸出了更加豐富的高級語義信息。將多維注意力建模模塊作為網(wǎng)絡(luò)的中間層，進而解決時空特征信息建模不足的問題，利用模型捕捉具體的時空關(guān)系的捕捉。實驗結(jié)果表明，所提方法在多個主流數(shù)據(jù)集上準(zhǔn)確率顯著提升，但2D卷積架構(gòu)在視頻幀分割狀態(tài)下EER較低。古學(xué)茹等人針對當(dāng)前人體骨骼動作識別算法全局關(guān)系描述不夠詳盡、時空特征挖掘不夠充分等問題，開展了基于多流自適應(yīng)時空圖卷積網(wǎng)絡(luò)的人體行為識別研究[6]，使用注意力機制和NTN算法求解每對關(guān)節(jié)點之間的連接強度后，構(gòu)建了全局鄰接矩陣；利用topK策略對連接強度標(biāo)準(zhǔn)下動態(tài)選擇前K個鄰居節(jié)點，更新全局鄰接矩陣；采用混合池化模型提取全局上下文信息及時間關(guān)鍵幀特征，并進行建模，輸出動作表征。實驗結(jié)果表明，該模型在人體骨骼動作識別任務(wù)中有效提高了動作識別的準(zhǔn)確率。但是EER的離散程度受時間關(guān)鍵幀特征的影響較為明顯。趙晨等人針對時間位移導(dǎo)致的特征破壞問題，開展了基于時空雙流特征增強網(wǎng)絡(luò)的視頻行為識別研究[7]，設(shè)計了空間增強時間位移模塊（SE-TSM）和通道增強時間位移模塊（CE-TSM），在每次時間位移后進行特征增強，改善了特征受損問題。并針對幀差運動信息微弱問題，提出了運動增強模塊（SIM）增強運動特征以提高性能。實驗結(jié)果表明，該網(wǎng)絡(luò)在公開視頻數(shù)據(jù)集UCF101和HMDB51上分別達到了96.1%和75.7%的精度。但是時間關(guān)鍵幀特征分割狀態(tài)下的異常行為識別EER較低。李一帆等人開展了面向人體異常行為識別的FDS-ABPG-GoogLeNet模型研究[8]，設(shè)計模型采用3種不同層級的改進Inception模塊，將模塊在網(wǎng)絡(luò)深層和淺層結(jié)構(gòu)中并行連接時，在中層結(jié)構(gòu)中引入了殘差結(jié)構(gòu)，通過特征融合的方式提高網(wǎng)絡(luò)的計算效率和識別準(zhǔn)確率。針對異常行為數(shù)據(jù)集中動作單一的問題，自建了包含多種異常動作的數(shù)據(jù)集，將一維動作時序數(shù)據(jù)二維圖形化處理后，實現(xiàn)精準(zhǔn)提取行為動作特征的目的。實驗結(jié)果表明，設(shè)計模型的準(zhǔn)確率、靈敏度和特異性分別達到99.40%、99.49%和99.93%。但是EER受時間關(guān)鍵幀特征的影響較為明顯。

綜合上述，本文開展了基于時間注意力增強的電廠智能安防監(jiān)控人體異常行為識別研究，并進行了對比測試。

本文詳細內(nèi)容請下載：

http://ihrv.cn/resource/share/2000007042

作者信息：

張威，許虎，尚志強

（河北大唐國際張家口熱電有限責(zé)任公司，河北 張家口 075000）