基于联合轨迹特征的徘徊行为识别方法

摘要：

徘徊行为判定作为异常行为识别的热点难题,目前存在难以构建具有场景特定性的识别模型问题.特定场景下的行人轨迹数据,或是有标签,或是无标签,针对如何利用特定场景下有标签轨迹数据信息问题,结合行人多种轨迹特征,提出基于分类函数的徘徊行为识别模型,能够通过分类函数自动学习该场景下有标签轨迹数据中的徘徊行为模式;针对如何利用特定场景下无标签轨迹数据信息问题,提出基于异常检测的徘徊行为识别模型,能够在大量无标签轨迹数据中自动学习潜在的徘徊行为模式.基于两种徘徊行为识别模型,提出徘徊行为识别框架,能够利用目标跟踪算法获取特定场景视频中行人的轨迹数据,并根据数据是否带有标签合适地构建对应的具有场景特定的徘徊行为识别模型.为了验证所提模型的有效性,选用CASIA-AR公开数据集作为测试集,和三种基准模型一起,在行走、奔跑和徘徊行为的识别上进行了对比实验.实验结果表明,所提模型在测试集上的准确率和召回率都优于基准模型,F1指标也有提升,验证了所提模型的有效性、场景特定性和迁移性.

关键词：徘徊行为识别模型;异常行为;分类函数;异常值检测;轨迹拟合;联合轨迹特征

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：贵州省科技计划;贵州省教育厅青年项目;贵州省教育厅创新群体重大研究项目;广东省普通高校青年创新人才类项目

在线出版日期：2021-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：724-734