赵 鑫，陈 平

(中北大学 信息探测与处理山西省重点实验室，山西 太原 030051)

0 引 言

人员异常行为检测在机器人视觉、 智能监控、 公共安全等领域的运用日趋普遍[1]. 异常行为是指相对于历史轨迹发生偏离的运动目标. 如何在复杂的视频中自动检测识别异常行为是近年来智能视频处理的研究热点.

目前，国内外学者主要根据不同场景中不同的异常行为识别任务，提出了多种不同的检测方法. 已有的异常行为分析方法大致可以分为以下4类: ① 基于时空特征的模式分析方法，针对视频序列在时空维度提取特征判断行为类别[2]，该类方法依赖于图片信息提取的视觉运动特征[3]，存在输入信息冗余、 模型自适应能力差等缺点，并且对人类行为的刻画能力有限，局限于若干种简单的单人行为，不易扩展到多人间的复杂行为. ② 基于运动轨迹的方法，通过位置匹配和目标关联来提取运动轨迹，构建网络对目标轨迹的速度、 加速度、 轨迹长度等信息进行训练[4]. 该类方法主要对轨迹数据建模，然而，由于图片中的目标之间存在重叠、 遮挡等问题，难以精确跟踪目标轨迹. ③ 基于行为预测分析方法，通过构建预测未来时间段内人类行为的网络模型，对人员在运动时可能触发危险的行为发出及时警告[5-9]. 目前，人类行为视频预测方法是在像素空间中递归生成未来帧来进行行为判断[10]，但预测模型缺乏视觉特征与真实运动事件语义的可解释性，且预测……