杜潘飞，王志辉，李雄伟，朱永旺

(1.陆军工程大学 石家庄校区，河北 石家庄 050003;2.河北建设投资集团有限责任公司，河北 石家庄 050001)

0 引 言

自从AlexNet[1]在ImageNet图像分类比赛中取得标志性的进步以来，卷积神经网络(CNNs)在计算机视觉领域得到广泛的应用与发展。与此同时，从2D图像空间目标识别扩展到3D时空的视频行为识别也成为该领域的研究热点，视觉行为的识别不仅增加模型的复杂性，而且训练行为识别模型所需的数据量也显著地增加。异常行为检测作为行为识别中的一个特殊领域，在公共安全、自动驾驶、视频监控等应用中具有相当重要的意义，现代智慧城市的发展高度依赖于以人为中心分析的技术的进步。文献[2]中说明对于一个动作识别模型，越多的训练数据对模型的识别性能越有益，因此为了获得更好的检测精度，通常需要大量的训练数据。但构建一个大尺度、高质量的行为检测数据集是一个很大的挑战，其构建过程涉及视频收集、人物空间位置检测以及人物行为标注，因而如何快速地构建一个高质量的数据集对提升模型的检测性能具有重大的意义。早期的行为识别数据集HMDB-51[3]和UCF-101[4]包含的数据量较少且都是对经过裁剪的视频片段做的标注，其每个视频片段中仅仅含有一个人物的一个动作，很明显这种方法构建的数据集不能满足实时运行的异常行为检测应用的需要。

为解决这个问题，文中提出一种快速构建行为检测数据集的方法，其以一种半自动的方式来完成数据集的构建，具有很强的适用性和有效性，同时有助于节省人力成本，使用该方法生成的数据集不仅覆盖多个领域的视频，且都是无裁剪的，可应用于训练实时运行的行为检测系统。……