张欣 齐华

（西安工业大学 西安 710021）

1 引言

目前公共场合监控视频中对各种人为异常事件的排查和预警大多依赖人工，而人工排查面临最大的问题是少量工作人员面临大量的排查工作，往往造成问题发现不及时，造成严重后果。

在特定场景下的监控画面中，内容所涉及到的人体异常行为特征受人体远近大小、人体重叠遮挡，背景环境的多变复杂等影响。这些因素都会对人体异常行为的检测具有很大的影响，传统的方法是先将目标通过轮廓信息从视频序列中分割出来，然后进行特征提取，将提取到的人体行为特征与标准库中异常行为样本进行比对，最后通过分类器进行判断是否为存在异常行为。但是对于在某种真实的场景下，人体的行为存在复杂多样，较难明确定义的问题，因此一种打破复杂传统方法的方法就是将人体的诸多复杂行为分为正常及异常行为两类，将具体行为类别问题转变为行为状态分类问题。

2 方法概述

本文借鉴中国科学院大学刘雪琪［3］的思想，选取室内室外两个场景模拟商场及广场监控画面中的人体行为状态进行实验任务的完成，首先需要获取监控场景的视频数据，通过帧截取方式获取具有行为表达性的数据样本，根据需求进行行为定义，标定后将数据样本送入网络模型中进行训练，将人体检测及行为分类同时交给网络完成，通过训练得到能够对输入图像或视频数据进行判定人体是否具有异常行为的模型。……