張 俊，任延珍

（1.湖北警官學(xué)院 信息技術(shù)系，湖北 武漢430034；2.武漢大學(xué) 計(jì)算機(jī)學(xué)院，湖北 武漢430072）

基于學(xué)習(xí)的視頻行為分析技術(shù)的特點(diǎn)和應(yīng)用

張 俊1，任延珍2

（1.湖北警官學(xué)院 信息技術(shù)系，湖北 武漢430034；2.武漢大學(xué) 計(jì)算機(jī)學(xué)院，湖北 武漢430072）

視頻行為分析(VBA,Video Behavioral Analytics)是智能視頻監(jiān)控(IVS,Intelligent Video Surveillance)技術(shù)領(lǐng)域近幾年來倍受關(guān)注的發(fā)展方向?；趯W(xué)習(xí)的視頻行為分析系統(tǒng)從攝像頭或視頻錄像中接受輸入，自動(dòng)學(xué)習(xí)場(chǎng)景中出現(xiàn)的正常行為和動(dòng)作，并在發(fā)現(xiàn)異常行為時(shí)用實(shí)時(shí)警報(bào)通知安全人員，它結(jié)合了計(jì)算機(jī)視覺和人工智能技術(shù)，在公安工作中具有廣泛的應(yīng)用前景。

智能視頻監(jiān)控；視頻行為分析；應(yīng)用

當(dāng)前，隨著“暢通工程”、“平安城市”等警務(wù)信息化工程的加速建設(shè)和深入應(yīng)用，公安機(jī)關(guān)等社會(huì)管理部門建立了龐大的視頻監(jiān)控網(wǎng)絡(luò)。例如，武漢市2011年底投入使用，由25萬個(gè)攝像頭構(gòu)成的“天網(wǎng)”城市視頻監(jiān)控工程。這些視頻監(jiān)控系統(tǒng)在治安管理、交通管控、偵查破案等公安工作中發(fā)揮著越來越大的作用，受到各級(jí)部門的高度重視。然而，越來越大的監(jiān)控系統(tǒng)和越來越多的攝像機(jī)也給監(jiān)控人員帶來沉重的工作壓力，很多時(shí)候他們無法及時(shí)發(fā)現(xiàn)異常、獲取情報(bào)、采取措施。

智能視頻監(jiān)控(Intelligent Video Surveillance)，或稱為視頻行為分析(VideoBehavioral Analytics)是近幾年來應(yīng)運(yùn)而生的一種新技術(shù)，它綜合應(yīng)用了計(jì)算機(jī)視覺和人工智能的最新研究成果，可以對(duì)視頻場(chǎng)景內(nèi)的相關(guān)運(yùn)動(dòng)目標(biāo)（人或物體）進(jìn)行檢測(cè)、分類及軌跡追蹤，并根據(jù)制定的分析（觸發(fā)）規(guī)則，由系統(tǒng)自動(dòng)分析、判斷運(yùn)動(dòng)目標(biāo)的行為信息，并將信息輸出到相應(yīng)的系統(tǒng)響應(yīng)平臺(tái)。根據(jù)監(jiān)控對(duì)異常行為的感知方法，視頻行為分析技術(shù)可以分為基于規(guī)則和基于學(xué)習(xí)兩大類。前者的技術(shù)和應(yīng)用較為成熟。后者的研究和應(yīng)用方興未艾，正吸引越來越多的重視，并必將成為未來視頻監(jiān)控技術(shù)的主要發(fā)展方向。

一、視頻行為分析技術(shù)

傳統(tǒng)的視頻監(jiān)控系統(tǒng)提供的是沒有經(jīng)過任何分析的視頻裸數(shù)據(jù)，不能實(shí)現(xiàn)監(jiān)控系統(tǒng)應(yīng)有的實(shí)時(shí)、主動(dòng)監(jiān)督的作用，在安全性和實(shí)用性方面達(dá)不到人們的期望。主要表現(xiàn)在：第一，人類自身生理弱點(diǎn)導(dǎo)致監(jiān)控人員無法長(zhǎng)時(shí)間集中注意力工作而產(chǎn)生漏報(bào)和誤報(bào)。漏報(bào)是指發(fā)生了安全威脅，但沒有被系統(tǒng)或人員發(fā)現(xiàn)；誤報(bào)是指安全活動(dòng)被誤認(rèn)為是威脅而產(chǎn)生錯(cuò)誤的報(bào)警。第二，響應(yīng)時(shí)間長(zhǎng)，監(jiān)控人員無法及時(shí)發(fā)現(xiàn)控制場(chǎng)景內(nèi)的異常情況，導(dǎo)致監(jiān)控失效。這兩種問題都會(huì)降低用戶對(duì)視頻監(jiān)控系統(tǒng)的信任度。

視頻行為分析技術(shù)利用計(jì)算機(jī)視覺和圖像處理等技術(shù)對(duì)視頻信號(hào)進(jìn)行處理、分析和理解，并根據(jù)預(yù)定義的規(guī)則發(fā)出相應(yīng)的控制信號(hào)。比如自動(dòng)識(shí)別不同的物體，發(fā)現(xiàn)監(jiān)控畫面中的異常情況，并以最快的速度和最佳的方式發(fā)出警報(bào)和提供有用信息，從而更加高效地協(xié)助監(jiān)控人員獲取準(zhǔn)確信息和處理突發(fā)事件；或者過濾掉監(jiān)控人員不關(guān)心的信息，僅僅提供有用的關(guān)鍵信息，從而提高視頻監(jiān)控系統(tǒng)智能化和自動(dòng)化水平。這種監(jiān)控系統(tǒng)在特殊區(qū)域的接近控制、流量統(tǒng)計(jì)與阻塞分析、異常檢測(cè)與報(bào)警、特殊身份識(shí)別與多攝像頭的協(xié)同監(jiān)控等方面具有極高的應(yīng)用價(jià)值。

視頻行為分析監(jiān)控系統(tǒng)能有效解決傳統(tǒng)的視頻監(jiān)控系統(tǒng)存在的監(jiān)控效率低下和工作量大等問題，自從推出以來逐步成熟和實(shí)用，大大提高了視頻監(jiān)控的效率和效能。

基于規(guī)則的視頻行為分析技術(shù)需要事先設(shè)定某種判定特征或者規(guī)則，即由人教會(huì)軟件如何去識(shí)別異常，只有符合指定特征或者規(guī)則的異常行為才會(huì)引發(fā)報(bào)警響應(yīng)。規(guī)則可以是邊界、軌跡、時(shí)間窗口等，特征可以是物品狀態(tài)、人臉或步態(tài)特點(diǎn)等。根據(jù)設(shè)定規(guī)則的不同，基于規(guī)則的視頻分析技術(shù)可以衍生出許多不同的運(yùn)用模式，例如運(yùn)動(dòng)目標(biāo)的軌跡檢測(cè)和追蹤、周界警戒及入侵檢測(cè)、物品狀態(tài)檢測(cè)、絆線檢測(cè)等。

基于學(xué)習(xí)的視頻行為分析技術(shù)一般利用無監(jiān)督的機(jī)器學(xué)習(xí)算法，模擬人腦的觀察過程來發(fā)現(xiàn)異常，具有感知記憶、場(chǎng)景關(guān)聯(lián)、動(dòng)作學(xué)習(xí)等性能。整個(gè)過程無需人的干預(yù)和設(shè)定，因而具有更高的智能性。

二、基于學(xué)習(xí)的視頻行為分析技術(shù)

基于學(xué)習(xí)的視頻行為分析技術(shù)綜合感知機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺，利用對(duì)人類大腦學(xué)習(xí)和記憶過程研究的成果并將此過程應(yīng)用到視覺數(shù)據(jù)的分析，實(shí)時(shí)、自動(dòng)識(shí)別監(jiān)控?cái)z像機(jī)視野內(nèi)的異常行為，使得安全人員能夠更高效和快速地監(jiān)視海量的視頻信息?；趯W(xué)習(xí)的視頻行為分析技術(shù)的優(yōu)勢(shì)在于能精確地分類目標(biāo)，例如人、車輛、動(dòng)物等，以及高效地辨識(shí)和跟蹤場(chǎng)景內(nèi)的大量移動(dòng)目標(biāo)。這種技術(shù)就像人類對(duì)新環(huán)境的反應(yīng)，行為分析通過眼睛（視頻攝像頭）觀察場(chǎng)景，用大腦（機(jī)器學(xué)習(xí)軟件）學(xué)習(xí)場(chǎng)景內(nèi)正常行為，然后對(duì)異常行為產(chǎn)生響應(yīng)，特別適用于人群聚集場(chǎng)合。

視頻行為分析系統(tǒng)主要由管理單元、視頻分析單元、智能分析單元、觸發(fā)判定單元及響應(yīng)單元等部分構(gòu)成，完成觀察、分類和報(bào)告攝像機(jī)記錄事件的完整過程。在基于學(xué)習(xí)的視頻行為分析中，視頻分析和機(jī)器學(xué)習(xí)是兩個(gè)最核心的部分，下面對(duì)這兩個(gè)關(guān)鍵部分進(jìn)行介紹。

（一）視頻分析單元

這個(gè)單元包括預(yù)處理、背景去除、目標(biāo)跟蹤和目標(biāo)描述四個(gè)部分，見圖1。

預(yù)處理完成將連續(xù)編碼的視頻信號(hào)轉(zhuǎn)換為視頻幀的工作，要從標(biāo)準(zhǔn)的MPEG-4或H.264信號(hào)中解碼出幀信號(hào)，或者直接使用模擬信號(hào)，這取決于系統(tǒng)的設(shè)置。

背景去除是從復(fù)雜的圖像中提取目標(biāo)，即從連續(xù)的視頻幀中分離出不變的像素（代表背景），專注于變化的像素（代表前景移動(dòng)的物體），除了要克服噪聲和細(xì)微變化像素的影響，還必須考慮的關(guān)鍵因素是視覺場(chǎng)景改變（FOVC）的情況。攝像機(jī)的動(dòng)作（推進(jìn)、拉遠(yuǎn)或搖動(dòng)）會(huì)產(chǎn)生視場(chǎng)變化，這種改變可以通過對(duì)背景的觀察得到。光線的變化會(huì)產(chǎn)生突發(fā)照明改變（SILC），導(dǎo)致背景移除和跟蹤算法混亂而立即跟蹤所有的物體。不管何種原因產(chǎn)生視覺場(chǎng)景改變，F(xiàn)OVC處理器都會(huì)感覺到這些變化，發(fā)出系統(tǒng)告警，停止背景去除運(yùn)算，等待場(chǎng)景穩(wěn)定后，從先前觀察的背景庫中識(shí)別新的背景，如果匹配，則加載場(chǎng)景記憶繼續(xù)處理，如果沒有匹配的，就開始新的學(xué)習(xí)過程。

跟蹤過程就是關(guān)聯(lián)多個(gè)視頻幀之間的相同目標(biāo)，以理解目標(biāo)如何在場(chǎng)景中移動(dòng)，收集其位置、速度和加速度。為了跟蹤多個(gè)目標(biāo)，還利用目標(biāo)緩存器建立跟蹤目標(biāo)列表。傳統(tǒng)的基于規(guī)則的方法利用預(yù)定義的庫來區(qū)分目標(biāo)，而基于學(xué)習(xí)的方法首先利用宏分類的方法測(cè)量目標(biāo)的多個(gè)屬性，例如外觀比例、亮度、顏色等，然后這些描述信息連同目標(biāo)列表一起編碼，送到下一步作進(jìn)一步的分析。

圖1 視頻分析單元的工作流程

視頻分析單元只負(fù)責(zé)觀察場(chǎng)景內(nèi)除了背景的所有事物，而不管它是什么、移動(dòng)還是靜止。所以它觀察到樹枝搖擺、灌木移動(dòng)，觀察到汽車、人、兔子或鳥，然后記錄這些目標(biāo)的動(dòng)作，并描述其屬性。

（二）機(jī)器學(xué)習(xí)單元

這個(gè)單元通過建立記憶和假設(shè)概念來模擬人腦。它能夠自動(dòng)學(xué)習(xí)，類似于反映人腦形成記憶和認(rèn)知關(guān)聯(lián)的方式。這些假設(shè)概念使得所觀察的行為模式能夠形成、存儲(chǔ)和衰退，并經(jīng)過一段時(shí)間后“遺忘”，這種模式不斷優(yōu)化而成為結(jié)構(gòu)，以解釋系統(tǒng)的觀察結(jié)果。假設(shè)概念隨著時(shí)間而成熟，系統(tǒng)能從觀察中學(xué)習(xí)、記憶行動(dòng)模式，適應(yīng)環(huán)境、視場(chǎng)和設(shè)備的改變，不需要人的干預(yù)。

圖2 機(jī)器學(xué)習(xí)單元的工作流程

機(jī)器學(xué)習(xí)單元分為語義表達(dá)、建立模型、識(shí)別循環(huán)、算法處理、記憶五個(gè)階段，見圖2

第一個(gè)階段是語義表達(dá)。語義表達(dá)將計(jì)算機(jī)視覺觀察到的跟蹤目標(biāo)和目標(biāo)描述轉(zhuǎn)換成描述場(chǎng)景的語言流，然后輸出到識(shí)別循環(huán)。很多機(jī)器學(xué)習(xí)技術(shù)基于符號(hào)和文本，而不是視覺數(shù)據(jù)，所以必須將視覺數(shù)據(jù)轉(zhuǎn)換為機(jī)器學(xué)習(xí)算法能理解的語言。這個(gè)過程分三步完成，第一步是段空間劃分，它將場(chǎng)景劃分為區(qū)域，以理解目標(biāo)在哪里、如何移動(dòng)和通過場(chǎng)景的路徑；第二步是基本事件檢測(cè)，是一種壓縮觀察數(shù)據(jù)的方法，即把事件的描述信息用連接語法壓縮成描述序列；第三步是形式語言學(xué)習(xí)，建立目標(biāo)的形式語言向量序列，以描述目標(biāo)的軌跡信息。這三步的信息連同原始的跟蹤目標(biāo)信息一起被編碼為語法符號(hào)流，送入識(shí)別循環(huán)，然后生成機(jī)器學(xué)習(xí)建立的不同模型的基礎(chǔ)。

目標(biāo)描述的數(shù)據(jù)經(jīng)過類型聚合后，動(dòng)態(tài)地形成目標(biāo)類型，這是一個(gè)無監(jiān)督學(xué)習(xí)、動(dòng)態(tài)發(fā)現(xiàn)目標(biāo)類型的技術(shù)?；谝?guī)則的系統(tǒng)需要事先建立一套特征庫進(jìn)行匹配，而基于學(xué)習(xí)的系統(tǒng)并沒有關(guān)于人或物是什么樣子之類的先驗(yàn)知識(shí)。類型聚合能將具有相似形狀的目標(biāo)歸類，這意味著經(jīng)過一段時(shí)間的觀察后，系統(tǒng)能理解任何類型的生物或非生物目標(biāo)應(yīng)該長(zhǎng)什么樣，各自行為有什么不同等。

第二個(gè)階段是建立位置和動(dòng)作模型。依靠自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)（ART），系統(tǒng)可以知道目標(biāo)出現(xiàn)在場(chǎng)景的位置和速度等信息。此模型是基于空間和時(shí)間的，例如在特定位置的特定時(shí)間段內(nèi)是否有目標(biāo)出現(xiàn)。

第三個(gè)階段是識(shí)別循環(huán)，它在更高抽象層建立更復(fù)雜和豐富的模型。識(shí)別循環(huán)包括工作空間和代碼庫，模仿人腦神經(jīng)和認(rèn)知過程，加工輸入的語法符號(hào)流，然后輸出到學(xué)習(xí)算法。

第四個(gè)階段是各種不同的學(xué)習(xí)算法的處理。包括再一次使用ART網(wǎng)絡(luò)和支持向量機(jī)（SVM）等，從而建立目標(biāo)的行為模型和軌跡模型。這一階段從更高更精確的層面理解目標(biāo)，發(fā)現(xiàn)異常的行為。

第五個(gè)階段是記憶?，F(xiàn)階段模擬了人腦記憶的三個(gè)階段：感知關(guān)聯(lián)記憶、情節(jié)記憶和長(zhǎng)期記憶，并依靠這些記憶模型領(lǐng)會(huì)識(shí)別循環(huán)輸出的符號(hào)流，并在更抽象的層面上理解場(chǎng)景。感知關(guān)聯(lián)記憶中引入了假設(shè)概念的元件，這是一些相互鏈接的列表類型的數(shù)據(jù)模塊，建立在一段時(shí)間內(nèi)學(xué)習(xí)引擎的描述數(shù)據(jù)上。如果相同的數(shù)據(jù)模式重復(fù)出現(xiàn)，特定的假設(shè)概念就被標(biāo)記為“興奮的”，并擬用來構(gòu)建抽象模型而進(jìn)入情節(jié)記憶。也就是說，通過定期的觀察，得到增強(qiáng)的假設(shè)概念用來構(gòu)建更高的用來解釋場(chǎng)景的抽象層，而沒有得到增強(qiáng)的假設(shè)概念在一段時(shí)間后會(huì)衰退并消失。用同樣的方法再將場(chǎng)景模型從情節(jié)記憶過渡到長(zhǎng)期記憶，用來學(xué)習(xí)場(chǎng)景中目標(biāo)之間的相互關(guān)系，建立交互模型。長(zhǎng)期記憶用來描述目標(biāo)的活動(dòng)，而假設(shè)概念不僅描述目標(biāo)的類型和活動(dòng)，還描述目標(biāo)之間的相互關(guān)系，例如人沿著路邊行走和汽車在道路上行駛的不同。當(dāng)人停下靠近道路上的一輛汽車并與之交互，那么對(duì)長(zhǎng)期記憶中的假設(shè)概念就是異常，因?yàn)樵陂L(zhǎng)期記憶中沒有關(guān)于這兩個(gè)目標(biāo)互動(dòng)行為的描述。

依靠建立的4個(gè)模型：位置和動(dòng)作模型、行為模型、軌跡模型和交互模型，系統(tǒng)就能在接下來的響應(yīng)階段決定哪些行為是異常的。

三、應(yīng)用場(chǎng)景

基于學(xué)習(xí)的視頻行為分析技術(shù)具有廣泛的應(yīng)用前景，下面列舉若干應(yīng)用場(chǎng)景。

機(jī)場(chǎng)、港口、車站等人群流動(dòng)場(chǎng)所?；趯W(xué)習(xí)的視頻行為分析技術(shù)特別適合對(duì)異常行為，例如故意遺留可疑物品、人群的突然聚集和散開等進(jìn)行實(shí)時(shí)報(bào)警。系統(tǒng)不僅收集場(chǎng)景內(nèi)重要目標(biāo)的大小、顏色、形狀、亮度、反光度、單個(gè)或群體的一部分出現(xiàn)等信息，還跟蹤、觀察單目標(biāo)或群目標(biāo)，進(jìn)而分辨出展現(xiàn)某種行為的目標(biāo)類型。如果加上人臉識(shí)別技術(shù)，還能自動(dòng)鎖定、跟蹤場(chǎng)景內(nèi)的特定人員并報(bào)警。

政府機(jī)關(guān)、軍事重地、金融等限制性場(chǎng)所?；趯W(xué)習(xí)的視頻行為分析技術(shù)不僅能識(shí)別人，還能通過識(shí)別目標(biāo)的顏色、飽和度和色調(diào)，區(qū)分制服和車輛，特別適合于安保人員和特定車輛經(jīng)常出入的限制性場(chǎng)合。

商場(chǎng)、廣場(chǎng)、商業(yè)街道等人群聚集場(chǎng)所?；趯W(xué)習(xí)的視頻行為分析技術(shù)能根據(jù)每個(gè)攝像頭獨(dú)特的視覺場(chǎng)景來自動(dòng)辨識(shí)和分類目標(biāo)，也就是目標(biāo)分類規(guī)則是針對(duì)每個(gè)攝像頭自適應(yīng)的。更精確的目標(biāo)辨識(shí)加上描述性的架構(gòu)，使得系統(tǒng)能夠?qū)W習(xí)人群運(yùn)動(dòng)模式，包括涌動(dòng)方向、速度和聚集程度，從而對(duì)場(chǎng)景內(nèi)異常的群體運(yùn)動(dòng)模式和擁擠情況進(jìn)行報(bào)警。

四、總結(jié)

視頻行為分析技術(shù)在實(shí)踐中逐步得到廣泛應(yīng)用，但在實(shí)施時(shí)還有一些復(fù)雜問題需要考慮。一是誤報(bào)和漏報(bào)，這是所有監(jiān)控系統(tǒng)重要的考量指標(biāo)，誤報(bào)率和漏報(bào)率不可能同時(shí)降低，要根據(jù)實(shí)際需要側(cè)重選擇；二是對(duì)畫面質(zhì)量的要求比較高，主要是每秒幀數(shù)和像素；三是對(duì)場(chǎng)所的選擇和安裝有一定的要求，比如攝像機(jī)的安裝、調(diào)整和輔助照明設(shè)備；四是視頻行為分析技術(shù)與其他手段聯(lián)合使用的整合，例如被動(dòng)紅外傳感器（PIR）、地面震動(dòng)傳感器等傳統(tǒng)直線（或點(diǎn)式）傳感器等。

總之，視頻行為分析技術(shù)是視頻監(jiān)控發(fā)展的必然趨勢(shì)，隨著方法的不斷成熟和計(jì)算能力的提高，必將得到愈來愈廣泛的應(yīng)用。

[1][EB/OL].http://www.policereview.com/sites/default/files/ppr/iss ues/ppr_fe b_mar11.pdf.

[2][EB/OL].http://www.brslabs.com/files/pdf/AISight_2%201_Fina l.pdf.

[3]視頻行為分析技術(shù)[EB/OL].http://www.firscom.cn/case_43_58.html.

[4]劉安安.感知,思維,行為:層次化的視頻內(nèi)容分析技術(shù)研究[D].天津:天津大學(xué),2010.

[5]張一.智能視頻監(jiān)控中的目標(biāo)識(shí)別與異常行為建模與分析[D].上海:上海交通大學(xué),2010.

[6]王立.步態(tài)識(shí)別及其在智能視頻監(jiān)控中的應(yīng)用[J].淮北煤炭師范學(xué)院學(xué)報(bào)(自然科學(xué)版),2010(3):51-54.

[7]黃永鑫.基于視覺的運(yùn)動(dòng)人體行為分析技術(shù)研究[J].黑龍江科技信息,2010(27):27-29.

[8]姜麗芬,鄭陶然.安全監(jiān)控系統(tǒng)中的運(yùn)動(dòng)檢測(cè)和運(yùn)動(dòng)方向的判定[J].天津師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2004(2):45-49.

[9]刁一平.理性與務(wù)實(shí)——點(diǎn)評(píng)智能視頻分析行業(yè)發(fā)展現(xiàn)狀[J].智能建筑與城市信息,2010(9):44-46.

[10]徐楊,吳成東,陳東岳.基于視頻圖像的交通事件自動(dòng)檢測(cè)算法綜述[J].計(jì)算機(jī)應(yīng)用研究,2011(4):23-27.

[11]張俊芳.智能視頻監(jiān)控技術(shù)在監(jiān)獄中的應(yīng)用[J].價(jià)值工程,2010(35):33-35.

[12]25萬只“智慧之眼”守護(hù)大武漢[EB/OL].http://ctdsb.cnhubei.com/html/ctdsb/20111229/ctdsb1608090.html,2011-12-19.

TP309

A

1673―2391(2012)05―0175―03

2012—01—10

張俊，男，湖北應(yīng)城人，湖北警官學(xué)院信息技術(shù)系；任延珍，女，陜西西安人，武漢大學(xué)計(jì)算機(jī)學(xué)院。

本研究得到2011年湖北公安中心工作理論研究課題支持。

【責(zé)任編校：李 烽】