CN109961019A - 一种时空行为检测方法 - Google Patents
一种时空行为检测方法 Download PDFInfo
- Publication number
- CN109961019A CN109961019A CN201910153037.0A CN201910153037A CN109961019A CN 109961019 A CN109961019 A CN 109961019A CN 201910153037 A CN201910153037 A CN 201910153037A CN 109961019 A CN109961019 A CN 109961019A
- Authority
- CN
- China
- Prior art keywords
- time
- space
- behavior
- layer
- sparse
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000007246 mechanism Effects 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 11
- 230000000452 restraining effect Effects 0.000 claims description 10
- 241000208340 Araliaceae Species 0.000 claims description 6
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 6
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 6
- 235000008434 ginseng Nutrition 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000003475 lamination Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 45
- 230000003542 behavioural effect Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000013016 learning Effects 0.000 description 2
- 230000000386 athletic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G06T3/16—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4053—Super resolution, i.e. output image resolution higher than sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/207—Analysis of motion for motion estimation over a hierarchy of resolutions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20072—Graph-based image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Abstract
本发明公开了一种时空行为检测方法,包括对样本视频中所有帧进行对象检测,获取候选对象集合;计算样本视频中所有帧间光流信息,获取运动集合;构建附加对象注意机制和运动注意机制的时空卷积‑反卷积网络;对样本视频的各时间片段进行时空卷积处理后,均添加对应的稀疏变量和稀疏约束得到网络结构S;以基于交叉熵的分类损失和稀疏约束的损失为目标函数,对网络结构S进行训练;计算测试样本视频中各时间片段对应的行为类别与稀疏系数,获取对象行为时空位置。本发明通过对象检测和光流预测,不仅减少行为搜索空间,而且时空行为检测具有良好的鲁棒性。
Description
技术领域
本发明属于计算机视觉领域,更具体地,涉及一种时空行为检测方法。
背景技术
行为分析是当前计算机视觉中一个重要而活跃的研究热点,它不但在社会安全领域有着广泛应用,比如监控环境下的异常行为检测、商场中的偷窃行为检测识别,还在人机交互中有着不可取代的地位,比如服务机器人对老人的行为进行有效的预测以防止意外发生,除此之外,还可用于现有的社交网络、直播平台等色情、反动、暴力等行为的检测与识别。
目前的行为检测方法,从需要的监督信息上划分为两大类:一种为基于强监督的方法,其监督信号包括检测框,行为在时间上的起始和截至标记以及视频标签;另一种为基于弱有监督的方法,其监督信号只有视频的类别标记。目前对第一类方法研究较多,并且在公开数据集上取得了较好的性能,但还仍然不能满足实际需求,因为在实际场景下如果要取得可接受的性能需要大量的样本标记,而且由于行为标记的困难和特殊性导致这种需求很难被满足。第二类方法基于弱有监督的方法更好的利用现有的仅包含类别标记的样本,能够以自学习的方式有效地挖掘行为特征。但是行为必须具备三要素,分别是行为执行者、特定运动信息和时序性,现有的方法没能同时集中解决这三个方面。目前的方法主要是利用多实例学习和模型自学的注意机制来定位目标行为,使得这类方法鲁棒性低,在复杂场合中、以及对象较多的时候会极大地降低该类方法的性能。
由此可见,现有时空行为检测方法存在需要大量的人力物力、不实用、鲁棒性较低的技术问题。
发明内容
针对现有技术的缺陷,本发明的目的在于提供一种时空行为检测方法,旨在解决因现有技术无法有效结合执行者、特定运动信息和时序性识别行为而导致弱有监督时空行为检测方法鲁棒性差的问题。
为实现上述目的,本发明提供了一种时空行为检测方法,包括:
(1)对样本视频中所有帧进行对象检测,获取候选对象集合;
(2)计算样本视频中所有帧间光流信息,获取运动集合;
(3)基于候选对象集合和运动集合,构建附加对象注意机制和运动注意机制的时空卷积-反卷积网络;
(4)以时空卷积-反卷积网络为输入,对样本视频的各时间片段进行时空卷积处理后,均添加对应的稀疏变量和稀疏约束得到网络结构S;
(5)以基于交叉熵函数的分类损失和稀疏约束的损失为目标函数,对网络结构S进行训练;
(6)以网络结构S为基础,计算测试样本视频中各时间片段对应的行为类别、稀疏系数以及其分布概率图,获取对象行为时空位置。
优选地,所述步骤(1)具体包括:
(1.1)将样本视频中包含的图像缩放到同一尺寸下;
(1.2)利用目标检测器和FPN分别对归一化后的图像进行对象检测,获取两种对象检测框结果;
(1.3)对两种对象检测框的并集进行非极大抑制,获取筛选的对象位置;
(1.4)利用快速跟踪方法和滤波器对未被筛选的对象检测框进行跟踪,找回未检出的对象位置。
优选地,所述步骤(2)具体包括:
(2.1)对光流信息包含的光流水平和竖直方向上的值进行归一化;
(2.2)在光流图水平和竖直方向上利用勾股定理,获取单通道的灰度图;
(2.3)根据灰度图获取运动信息区间。
优选地,所述步骤(3)具体包括:
(3.1)全局平均池化时空卷积网络中下采样层的最后一层,获取卷积层的向量化表达;
(3.2)将卷积层的向量化表达与下层样的最后一层相加获取反卷积网络上采样层的第一层;
(3.3)在反卷积网络的每一层特征图上叠加对应下采样层的特征图,完成时空卷积和反卷积网络的构建;
(3.4)对时空反卷积网络上采样层的最后一层特征图采用全局平均池化做向量化表达;
(3.5)在上述时空卷积和反卷积网络中选取任一层的特征图中加入对象显著性监督;
(3.6)在上述时空卷积和反卷积网络中选取任一层的特征图中加入运动显著性监督,完成时空卷积-反卷积网络的构建;
(3.7)在卷积层的向量化表达和反卷积层的向量化表达后均连接全连接层,所述全连接层用于对行为类别的预测。
优选地,所述步骤(4)具体包括:
(4.1)样本视频分成的T个时间片段通过时空卷积后,将时空卷积网络连接的全连接层的特征xi(i=1,...,T)拼接;
(4.2)采用全局平均池化方法计算T维的权值向量w=[w1,w2,...,wT];
(4.3)在上述时空卷积-反卷积网络中增加根据权值向量获取的稀疏约束,完成网络结构S的构建。
优选地,所述步骤(6)具体包括:
(6.1)对热力图上采样获取的检测框进行非极大抑制,获取对象候选框;
(6.2)通过计算样本视频中各时间片段对应的权值向量,筛选行为的时间区间;
(6.3)将对象候选框对应的空间位置和时间区间结合,获取对象行为时空位置。
优选地,所述步骤(6.1)具体包括:
(6.1.1)利用基于梯度的类别激活图(Grad-CAM)计算行为的概率分布图;
(6.1.2)在热力图上进行密采样,获取多尺度的检测框;
(6.1.3)对各检测框进行阈值为0.3的非极大抑制,获取对象候选框;
(6.1.4)对对象候选框进行排序,排序公式如下:
其中,sum(H(x,y,w,h))表示区间[x,y,w,h],超参数ε设置为0.00002,(x,y)代表对象候选框在热力图上对应的起始坐标,w,h分别代表候选框的宽与高,H代表候选框中所有热量值;
(6.1.5)对获取的对象候选框进行修正,修正公式如下:
其中,Bt表示t时刻的对象检测框,Bs为上述获取的对象候选框,函数S表示将Bs调整尺寸与Bt-1一致,同时保持中心不变。
优选地,所述获取行为的概率分布图的具体步骤包括:
a.计算网络结构S中第c类和第k层特征图对应通道权重
b.基于上述获取的通道权重和特征图,计算基于梯度的类别激活图:
其中,为第c类的行为的类别激活图。
优选地,所述步骤(3.4)具体包括:
(3.4.1)根据对象集合中包含的对象检测框构建对象显著性图AH;
(3.4.2)在时空卷积和反卷积网络的第m层的特征图中加入对象显著性监督,获取模型输出:
fo=(1+AH·fm)/(1+α)
其中,fm为第m层特征图,fo为加入对象显著性监督后的模型输出,超参α用于调整对象显著性程度。
优选地,所述步骤(3.5)具体包括:
(3.5.1)在输入序列中,利用光流法提取序列中的光流图AM;
(3.5.2)在时空卷积和反卷积网络的第m层的特征图中加入运动显著性监督,获取模型输出:
fo'=(1+AM·fm)/(1+β)
其中,fm为第m层特征图,fo'为加入运动显著性监督后的模型输出,超参β用于调整运动显著性程度。
所述步骤(4.3)增加稀疏约束后,时空卷积和反卷积网络的目标函数为:
l=lclass+λlsparse
其中,lsparse=||w||1为稀疏损失,用于强制淘汰稀疏系数为0的部分保留稀疏系数为非0值部分,lclass为用于分类交叉熵损失,λ为权重系数。
基于网络结构S的学习,筛选稀疏权重为非零的特征图,淘汰稀疏权重近似为零的特征图,通常,权重系数越大对应的特征图更有可能包含行为。
通过本发明所构思的以上技术方案,与现有技术相比,能够取得以下有益效果:
(1)本发明提供的时空行为检测技术,在深度模型学习时,有效考虑对象和运动这两个属性,并将所有的特征进行端到端学习,能够为行为检测提供更加判别的特征。同时,通过对象检测和光流预测的方法,不仅减少行为搜索空间,而且在对象很多的复杂场景中具有较好的鲁棒性。
(2)本发明提供的时空行为检测技术,利用稀疏约束的方法,在行为检测中时间和空间定位可一次性完成,相比于其他方法独立的两步法,不仅检测更具有可靠性,同时检测效率大大提升。
(3)本发明提供的时空行为检测技术,不仅利用时空卷积网络考虑行为的时空特征,而且设计了时空反卷积结构,有效弥补时空卷积结构的时间损失,更加有利于对视频的帧级定位。
附图说明
图1是本发明提供的基于弱有监督的行为检测方法流程图;
图2是本发明提供的时空卷积-反卷积网络;
图3是本发明提供的弱有监督时序检测结构。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明提供了一种基于弱有监督的时空行为检测方法,包括:
(1)对样本视频中所有帧进行对象检测,获取候选对象集合;
(2)计算样本视频中所有帧间光流信息,获取运动集合;
(3)基于候选对象集合和运动集合,构建附加对象注意机制和运动注意机制的时空卷积-反卷积网络;
(4)以时空卷积-反卷积网络为输入,对样本视频的各时间片段进行时空卷积处理后,均添加对应的稀疏变量和稀疏约束得到网络结构S;
(5)以基于交叉熵函数的分类损失和稀疏约束的损失为目标函数,对网络结构S进行训练;
(6)以网络结构S为基础,计算测试样本视频中各时间片段对应的行为类别、稀疏系数以及其分布概率图,获取对象行为时空位置。
优选地,所述步骤(1)具体包括:
(1.1)将样本视频中包含的图像缩放到同一尺寸下,实施例中为300*300像素;
(1.2)利用目标检测器(Faster-RCNN)和FPN(Feature Pyramid Network)分别对归一化后的图像进行对象检测,获取两种对象检测框结果;
(1.3)对两种对象检测框的并集进行非极大抑制,获取筛选的对象位置;优选地,所述非极大抑制的阈值设置为0.5;
(1.4)利用快速跟踪方法和滤波器未被筛选的对象检测框进行跟踪,找回未检出的对象位置;
优选地,对剩余检测框在在时间上相隔10帧之内不连续且IoU(Intersectionover Union)大于0.5的检测框进行向前或向后跟踪。
优选地,所述步骤(2)具体包括:
(2.1)对光流信息包含的光流水平和竖直方向上的值进行归一化;
优选地,在对样本视频的所有帧间光流计算过程中采用密光流(Dense flow),设置的参数包括:最大的边界值(Bound)为15,采样步长为1。将在此设置下计算得到的水平和竖直方向的光流图进行归一化处理;
(2.2)在光流图水平和竖直方向上利用勾股定理,获取单通道的灰度图;
(2.3)根据灰度图获取运动信息区间。
优选地,如图2所示,步骤(3)具体包括:
(3.1)全局平均池化时空卷积网络中下采样层的最后一层,获取卷积层的向量化表达;
(3.2)将卷积层的向量化表达与下层样的最后一层相加获取反卷积网络上采样层的第一层;
(3.3)在反卷积网络的每一层特征图上叠加对应下采样层的特征图,完成时空卷积和反卷积网络的构建;
(3.4)对时空反卷积网络上采样层的最后一层特征图采用全局平均池化做向量化表达;
优选地,在上述时空卷积和反卷积网络中输入样本视频需进行预处理,将视频帧归一化到3*160*160的尺寸中,并归一化到相同的正态分布中。
(3.5)在上述时空卷积和反卷积网络中选取任一层的特征图中加入对象显著性监督;
优选地,步骤(3.5)中加入对象显著性监督的方法为:根据对象集合中包含的对象检测框构建对象显著性图AH,有对象的检测框设置为1,剩余设置为0,在时空卷积和反卷积网络的第m层的特征图中加入对象显著性监督,即:
fo=(1+AH·fm)/(1+α)
其中,fm为第m层特征图,fo为加入对象显著性监督后的模型输出,超参α用于调整对象显著性程度,该实施例中设置为0.5,将一定程度的保存背景信息。
(3.6)在上述时空卷积和反卷积网络中选取任一层的特征图中加入运动显著性监督,完成时空卷积-反卷积网络的构建;
优选地,步骤(3.6)中加入运动显著性监督的方法为:在输入序列中,通过光流法提取该序列的光流图AM,在时空卷积和反卷积网络的第m层的特征图中加入运动显著性监督,即:
fo'=(1+AM·fm)/(1+β)
其中,fm为第m层特征图,fo'为加入运动显著性监督后的模型输出,超参β用于调整运动显著性程度,该实施例中设置为1,在增加运动注意的同时保留一定的非运动信息。
(3.7)在卷积层的向量化表达和反卷积层的向量化表达后均连接全连接层,所述全连接层用于行为类别的预测。
优选地,如图3所示,步骤(4)具体包括:
(4.1)将样本视频分成T个时间片段,均输入时空卷积-反卷积网络,并将时空卷积网络对应的全连接层的特征xi(i=1,...,T)拼接;
(4.2)采用全局平均池化方法计算T维的权值向量w=[w1,w2,...,wT];
(4.3)在上述时空卷积-反卷积网络中增加稀疏约束,获取网络结构S。
优选地,在构建基于稀疏约束的时间定位网络结构S时,具体包括如下步骤:
a.将时空卷积网络下层样的最后一层通过全局平均池化方法降至一维向量;
b.分别为各片段对应的一维向量增加一个权值向量w=[w1,w2,...,wT];
c.将权值向量与一维向量相乘后均值求和,求取的特征一方面添加全连接层用于行为分类,另一方面用于时空反卷积网络;
优选地,上述步骤(4.3)中增加稀疏约束后,时空卷积和反卷积网络的目标函数为:
l=lclass+λlsparse
其中,lsparse=||w||1为稀疏损失,用于强制淘汰稀疏系数为0的部分保留稀疏系数为非0值部分,lclass为用于分类交叉熵损失,λ为权重系数,本实施例中λ=0.0001。
优选地,所述步骤(5)对网络结构S进行训练的过程中,首先将时空卷积-反卷积网络在数据集Kinetics做预训练,其次,在目标数据做网络训练,学习率设置为0.001,训练160轮。
基于网络结构S的学习,筛选稀疏权重为非零的特征图,淘汰稀疏权重近似为零的特征图,通常,权重系数越大对应的特征图更有可能包含行为。
优选地,所述步骤(6)中计算测试样本视频中各时间片段对应的行为类别采用基于梯度的类别激活图方法进行空间定位行为。
优选地,所述步骤(6)中在对测试样本视频进行行为检测时,分为空间检测和时间检测;具体包括如下步骤:
(6.1)对热力图上采样获取的检测框进行非极大抑制,获取对象候选框;
优选地,获取行为概率分布图的具体步骤为:
a.获取网络结构S中全局平均池化后特征图对应每个通道的权重
其中,表示第c类(0≤c≤L-1,L表示总的行为类别数)目标在k层特征图的权重,yc表示第c类行为目标的得分,表示第k层特征图所处位置(i,j)对应的激活值;
b.基于梯度的类别激活图,计算行为的概率分布图,即热力图:
其中,为第c类的行为的类别激活图;
优选地,步骤(6.1)的具体步骤包括:
(6.1.1)利用基于梯度的类别激活图(Grad-CAM)计算行为的概率分布图;
(6.1.2)在热力图上进行密采样,获取多尺度的检测框;
(6.1.3)对各检测框进行阈值为0.3的非极大抑制,获取对象候选框;
(6.1.4)对对象候选框进行排序,排序公式如下:
其中,sum(H(x,y,w,h))表示区间[x,y,w,h],超参数ε设置为0.00002,(x,y)代表对象候选框在热力图上对应的起始坐标,w,h分别代表候选框的宽与高,H代表候选框中所有热量值;
(6.1.5)对获取的对象候选框进行修正,修正公式如下:
其中,Bt表示t时刻的对象检测框,Bs为上述获取的对象候选框,函数S表示将Bs调整尺寸与Bt-1一致,同时保持中心不变,通过上述方式可实现对每个时刻的向后更新,从而解决了显著图无法涵盖行为全身的问题。
(6.2)通过计算样本视频中时间片段对应的权值向量,筛选行为的时间区间;
优选地,非0的片段作为行为的时间区间。
(6.3)将对象候选框对应的空间位置和时间区间结合,获取对象行为时空位置。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种时空行为检测方法,其特征在于,包括:
(1)对样本视频中所有帧进行对象检测,获取候选对象集合;
(2)计算样本视频中所有帧间光流信息,获取运动集合;
(3)基于候选对象集合和运动集合,构建附加对象注意机制和运动注意机制的时空卷积-反卷积网络;
(4)以时空卷积-反卷积网络为输入,对样本视频的各时间片段进行时空卷积处理后,均添加对应的稀疏变量和稀疏约束得到网络结构S;
(5)以基于交叉熵的分类损失和稀疏约束的损失为目标函数,对网络结构S进行训练;
(6)以网络结构S为基础,计算测试样本视频中各时间片段对应的行为类别、稀疏系数以及其分布概率图,获取对象行为时空位置。
2.如权利要求1所述的时空行为检测方法,其特征在于,所述步骤(1)具体包括:
(1.1)将样本视频中包含的图像缩放到同一尺寸下;
(1.2)利用目标检测器和FPN分别对归一化后的图像进行对象检测,获取两种对象检测框结果;
(1.3)对两种对象检测框的并集进行非极大抑制,获取筛选的对象位置;
(1.4)利用快速跟踪方法和滤波器对未被筛选的对象检测框进行跟踪,找回未检出的对象位置。
3.如权利要求1或2所述的时空行为检测方法,其特征在于,所述步骤(2)具体包括:
(2.1)对光流信息包含的光流水平和竖直方向上的值进行归一化;
(2.2)在光流图水平和竖直方向上利用勾股定理,获取单通道的灰度图;
(2.3)根据灰度图获取运动信息区间。
4.如权利要求3所述的时空行为检测方法,其特征在于,所述步骤(3)具体包括:
(3.1)全局平均池化时空卷积网络中下采样层的最后一层,获取卷积层的向量化表达;
(3.2)将卷积层的向量化表达与下层样的最后一层相加获取反卷积网络上采样层的第一层;
(3.3)在反卷积网络的每一层特征图上叠加对应下采样层的特征图,完成时空卷积和反卷积网络的构建;
(3.4)对时空反卷积网络上采样层的最后一层特征图采用全局平均池化做向量化表达;
(3.5)在上述时空卷积和反卷积网络中选取任一层的特征图中加入对象显著性监督;
(3.6)在上述时空卷积和反卷积网络中选取任一层的特征图中加入运动显著性监督,完成时空卷积-反卷积网络的构建;
(3.7)在卷积层的向量化表达和反卷积层的向量化表达后均连接全连接层,所述全连接层用于对行为类别的预测。
5.如权利要求4所述的时空行为检测方法,其特征在于,所述步骤(4)具体包括:
(4.1)样本视频分成的T个时间片段通过时空卷积后,将时空卷积网络连接的全连接层的特征xi(i=1,...,T)拼接;
(4.2)采用全局平均池化方法计算T维的权值向量w=[w1,w2,...,wT];
(4.3)在上述时空卷积-反卷积网络中增加根据权值向量获取的稀疏约束,完成网络结构S的构建。
6.如权利要求5所述的时空行为检测方法,其特征在于,所述步骤(6)具体包括:
(6.1)对热力图上采样获取的检测框进行非极大抑制,获取对象候选框;
(6.2)通过计算样本视频中各时间片段对应的权值向量,筛选行为的时间区间;
(6.3)将对象候选框对应的空间位置和时间区间结合,获取对象行为时空位置。
7.如权利要求6所述的时空行为检测方法,其特征在于,所述步骤(6.1)具体包括:
(6.1.1)利用基于梯度的类别激活图(Grad-CAM)计算行为的概率分布图;
(6.1.2)在热力图上进行密采样,获取多尺度的检测框;
(6.1.3)对各检测框进行阈值为0.3的非极大抑制,获取对象候选框;
(6.1.4)对对象候选框进行排序,排序公式如下:
其中,sum(H(x,y,w,h))表示区间[x,y,w,h],超参数ε设置为0.00002,(x,y)代表对象候选框在热力图上对应的起始坐标,w,h分别代表候选框的宽与高,H代表候选框中所有热量值;
(6.1.5)对获取的对象候选框进行修正,修正公式如下:
其中,Bt表示t时刻的对象检测框,Bs为上述获取的对象候选框,函数S表示将Bs调整尺寸与Bt-1一致,同时保持中心不变。
8.如权利要求4所述的时空行为检测方法,其特征在于,所述步骤(3.4)具体包括:
(3.4.1)根据对象集合中包含的对象检测框构建对象显著性图AH;
(3.4.2)在时空卷积和反卷积网络的第m层特征图中加入对象显著性监督,获取模型输出:
fo=(1+AH·fm)/(1+α)
其中,fm为第m层特征图,fo为加入对象显著性监督后的模型输出,超参α用于调整对象显著性程度。
9.如权利要求4所述的时空行为检测方法,其特征在于,所述步骤(3.5)具体包括:
(3.5.1)在输入序列中,利用光流法提取序列中的光流图AM;
(3.5.2)在时空卷积和反卷积网络的第m层特征图中加入运动显著性监督,获取模型输出:
fo'=(1+AM·fm)/(1+β)
其中,fm为第m层特征图,fo'为加入运动显著性监督后的模型输出,超参β用于调整运动显著性程度。
10.如权利要求5所述的时空行为检测方法,其特征在于,所述步骤(4.3)增加稀疏约束后,时空卷积和反卷积网络的目标函数为:
l=lclass+λlsparse
其中,lsparse=||w||1为稀疏损失,用于强制淘汰稀疏系数为0的部分,保留稀疏系数为非0值部分,lclass为用于分类交叉熵损失,λ为权重系数。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910153037.0A CN109961019B (zh) | 2019-02-28 | 2019-02-28 | 一种时空行为检测方法 |
PCT/CN2020/070684 WO2020173226A1 (zh) | 2019-02-28 | 2020-01-07 | 一种时空行为检测方法 |
US16/965,015 US11120270B2 (en) | 2019-02-28 | 2020-01-07 | Spatiotemporal action detection method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910153037.0A CN109961019B (zh) | 2019-02-28 | 2019-02-28 | 一种时空行为检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109961019A true CN109961019A (zh) | 2019-07-02 |
CN109961019B CN109961019B (zh) | 2021-03-26 |
Family
ID=67023971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910153037.0A Expired - Fee Related CN109961019B (zh) | 2019-02-28 | 2019-02-28 | 一种时空行为检测方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11120270B2 (zh) |
CN (1) | CN109961019B (zh) |
WO (1) | WO2020173226A1 (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378288A (zh) * | 2019-07-19 | 2019-10-25 | 合肥工业大学 | 一种基于深度学习的多级时空运动目标检测方法 |
CN110909819A (zh) * | 2019-12-02 | 2020-03-24 | 集美大学 | 基于时域的电磁信息泄漏检测方法、终端设备及存储介质 |
CN110909677A (zh) * | 2019-11-22 | 2020-03-24 | 国网安徽省电力有限公司检修分公司 | 多目标跟踪及行为分析的方法、系统及存储介质 |
CN111259790A (zh) * | 2020-01-15 | 2020-06-09 | 上海交通大学 | 用于中短时视频的从粗到细的行为快速检测与分类方法及系统 |
WO2020173226A1 (zh) * | 2019-02-28 | 2020-09-03 | 华中科技大学 | 一种时空行为检测方法 |
CN111695590A (zh) * | 2020-04-24 | 2020-09-22 | 浙江大学 | 约束优化类激活映射的深度神经网络特征可视化方法 |
CN112184767A (zh) * | 2020-09-22 | 2021-01-05 | 深研人工智能技术(深圳)有限公司 | 对运动物体进行轨迹跟踪的方法、装置、设备及存储介质 |
CN112419227A (zh) * | 2020-10-14 | 2021-02-26 | 北京大学深圳研究生院 | 基于小目标搜索缩放技术的水下目标检测方法和系统 |
CN112731567A (zh) * | 2021-01-11 | 2021-04-30 | 河海大学 | 一种用于超高频微波的时空协同干湿增强判别方法 |
CN114220169A (zh) * | 2021-12-16 | 2022-03-22 | 山东大学 | 一种基于Yolo-TSM的轻量级实时监控异常行为检测方法 |
CN115841642A (zh) * | 2022-11-30 | 2023-03-24 | 中国电子科技集团公司第十研究所 | 动态特征辅助的可见光火情检测识别方法、设备及介质 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6899986B1 (ja) * | 2020-04-28 | 2021-07-07 | 楽天グループ株式会社 | オブジェクト領域特定装置、オブジェクト領域特定方法、及びオブジェクト領域特定プログラム |
CN112434655B (zh) * | 2020-12-07 | 2022-11-08 | 安徽大学 | 一种基于自适应置信度图卷积网络的步态识别方法 |
CN112733691A (zh) * | 2021-01-04 | 2021-04-30 | 北京工业大学 | 一种基于注意力机制的多方向的无人机航拍的车辆检测方法 |
EP4307016A1 (en) | 2021-03-09 | 2024-01-17 | Kabushiki Kaisha Toshiba | Scintillator array, and radiation detector and radiation inspecting device employing same |
CN113313682B (zh) * | 2021-05-28 | 2023-03-21 | 西安电子科技大学 | 基于时空多尺度分析的无参考视频质量评价方法 |
CN113469331B (zh) * | 2021-06-28 | 2024-02-13 | 中国科学技术大学 | 基于全局和局部时空图卷积的车辆尾气预测方法及系统 |
CN113920387B (zh) * | 2021-09-13 | 2023-08-08 | 西北大学 | 一种短时rPPG信号检测模型的构建方法及检测方法 |
CN113887419B (zh) * | 2021-09-30 | 2023-05-12 | 四川大学 | 一种基于提取视频时空信息的人体行为识别方法及系统 |
CN114613004B (zh) * | 2022-02-28 | 2023-08-01 | 电子科技大学 | 一种人体动作的轻量化在线检测方法 |
CN114998805A (zh) * | 2022-06-14 | 2022-09-02 | 南京邮电大学 | 基于dcgan时空信息迁移补偿的视觉隐私保护居家健康行为视频同态监测方法 |
CN116524414B (zh) * | 2023-06-26 | 2023-10-17 | 广州英码信息科技有限公司 | 一种打架行为识别方法、系统及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933417A (zh) * | 2015-06-26 | 2015-09-23 | 苏州大学 | 一种基于稀疏时空特征的行为识别方法 |
CN107506712A (zh) * | 2017-08-15 | 2017-12-22 | 成都考拉悠然科技有限公司 | 一种基于3d深度卷积网络的人类行为识别的方法 |
CN108830157A (zh) * | 2018-05-15 | 2018-11-16 | 华北电力大学(保定) | 基于注意力机制和3d卷积神经网络的人体行为识别方法 |
CN109063609A (zh) * | 2018-07-18 | 2018-12-21 | 电子科技大学 | 一种基于光流特征与全卷积语义分割特征结合的异常行为检测方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8605947B2 (en) * | 2008-04-24 | 2013-12-10 | GM Global Technology Operations LLC | Method for detecting a clear path of travel for a vehicle enhanced by object detection |
US10796452B2 (en) * | 2017-12-03 | 2020-10-06 | Facebook, Inc. | Optimizations for structure mapping and up-sampling |
CN108805015B (zh) | 2018-04-26 | 2021-09-03 | 常州大学 | 加权卷积自编码长短期记忆网络人群异常检测方法 |
WO2020018585A1 (en) * | 2018-07-16 | 2020-01-23 | Accel Robotics Corporation | Autonomous store tracking system |
CN109190479A (zh) | 2018-08-04 | 2019-01-11 | 台州学院 | 一种基于混合深度学习的视频序列表情识别方法 |
CN109961019B (zh) * | 2019-02-28 | 2021-03-26 | 华中科技大学 | 一种时空行为检测方法 |
US11468538B2 (en) * | 2019-04-05 | 2022-10-11 | Baker Hughes Oilfield Operations Llc | Segmentation and prediction of low-level temporal plume patterns |
-
2019
- 2019-02-28 CN CN201910153037.0A patent/CN109961019B/zh not_active Expired - Fee Related
-
2020
- 2020-01-07 WO PCT/CN2020/070684 patent/WO2020173226A1/zh active Application Filing
- 2020-01-07 US US16/965,015 patent/US11120270B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933417A (zh) * | 2015-06-26 | 2015-09-23 | 苏州大学 | 一种基于稀疏时空特征的行为识别方法 |
CN107506712A (zh) * | 2017-08-15 | 2017-12-22 | 成都考拉悠然科技有限公司 | 一种基于3d深度卷积网络的人类行为识别的方法 |
CN108830157A (zh) * | 2018-05-15 | 2018-11-16 | 华北电力大学(保定) | 基于注意力机制和3d卷积神经网络的人体行为识别方法 |
CN109063609A (zh) * | 2018-07-18 | 2018-12-21 | 电子科技大学 | 一种基于光流特征与全卷积语义分割特征结合的异常行为检测方法 |
Non-Patent Citations (6)
Title |
---|
LIHUA LU ET AL: "A two-level attention-based interaction model for multi-person activity recognition", 《NEUROCOMPUTING》 * |
PHUC NGUYEN ET AL: "Weakly Supervised Action Localization by Sparse Temporal Pooling Network", 《2018 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 * |
SHIWEI ZHANG ET AL: "Discriminative Part Selection for Human Action Recognition", 《IEEE TRANSACTIONS ON MULTIMEDIA》 * |
WENBIN DU ET AL: "Recurrent Spatial-Temporal Attention Network for Action Recognition in Videos", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
ZHENG SHOU ET AL: "CDC: Convolutional-De-Convolutional Networks for Precise Temporal Action Localization in Untrimmed Videos", 《ARXIV:1703.01515V2 [CS.CV]》 * |
ZHENYANG LI ET AL: "VideoLSTM convolves, attends and flows for action recognition", 《COMPUTER VISION AND IMAGE UNDERSTANDING》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11120270B2 (en) | 2019-02-28 | 2021-09-14 | Huazhong University Of Science And Technology | Spatiotemporal action detection method |
WO2020173226A1 (zh) * | 2019-02-28 | 2020-09-03 | 华中科技大学 | 一种时空行为检测方法 |
CN110378288A (zh) * | 2019-07-19 | 2019-10-25 | 合肥工业大学 | 一种基于深度学习的多级时空运动目标检测方法 |
CN110909677A (zh) * | 2019-11-22 | 2020-03-24 | 国网安徽省电力有限公司检修分公司 | 多目标跟踪及行为分析的方法、系统及存储介质 |
CN110909677B (zh) * | 2019-11-22 | 2024-04-02 | 国网安徽省电力有限公司检修分公司 | 多目标跟踪及行为分析的方法、系统及存储介质 |
CN110909819A (zh) * | 2019-12-02 | 2020-03-24 | 集美大学 | 基于时域的电磁信息泄漏检测方法、终端设备及存储介质 |
CN111259790A (zh) * | 2020-01-15 | 2020-06-09 | 上海交通大学 | 用于中短时视频的从粗到细的行为快速检测与分类方法及系统 |
CN111259790B (zh) * | 2020-01-15 | 2023-06-20 | 上海交通大学 | 用于中短时视频的从粗到细的行为快速检测与分类方法及系统 |
CN111695590B (zh) * | 2020-04-24 | 2022-05-03 | 浙江大学 | 约束优化类激活映射的深度神经网络特征可视化方法 |
CN111695590A (zh) * | 2020-04-24 | 2020-09-22 | 浙江大学 | 约束优化类激活映射的深度神经网络特征可视化方法 |
CN112184767A (zh) * | 2020-09-22 | 2021-01-05 | 深研人工智能技术(深圳)有限公司 | 对运动物体进行轨迹跟踪的方法、装置、设备及存储介质 |
CN112419227A (zh) * | 2020-10-14 | 2021-02-26 | 北京大学深圳研究生院 | 基于小目标搜索缩放技术的水下目标检测方法和系统 |
CN112419227B (zh) * | 2020-10-14 | 2024-02-20 | 北京大学深圳研究生院 | 基于小目标搜索缩放技术的水下目标检测方法和系统 |
CN112731567A (zh) * | 2021-01-11 | 2021-04-30 | 河海大学 | 一种用于超高频微波的时空协同干湿增强判别方法 |
CN112731567B (zh) * | 2021-01-11 | 2021-09-21 | 河海大学 | 一种用于超高频微波的时空协同干湿增强判别方法 |
CN114220169A (zh) * | 2021-12-16 | 2022-03-22 | 山东大学 | 一种基于Yolo-TSM的轻量级实时监控异常行为检测方法 |
CN115841642A (zh) * | 2022-11-30 | 2023-03-24 | 中国电子科技集团公司第十研究所 | 动态特征辅助的可见光火情检测识别方法、设备及介质 |
CN115841642B (zh) * | 2022-11-30 | 2023-11-07 | 中国电子科技集团公司第十研究所 | 动态特征辅助的可见光火情检测识别方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020173226A1 (zh) | 2020-09-03 |
US11120270B2 (en) | 2021-09-14 |
CN109961019B (zh) | 2021-03-26 |
US20210248378A1 (en) | 2021-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109961019A (zh) | 一种时空行为检测方法 | |
Fan et al. | Point 4d transformer networks for spatio-temporal modeling in point cloud videos | |
CN110929578B (zh) | 一种基于注意力机制的抗遮挡行人检测方法 | |
CN108985192A (zh) | 一种基于多任务深度卷积神经网络的视频烟雾识别方法 | |
Masurekar et al. | Real time object detection using YOLOv3 | |
CN109784150A (zh) | 基于多任务时空卷积神经网络的视频驾驶员行为识别方法 | |
CN107016357A (zh) | 一种基于时间域卷积神经网络的视频行人检测方法 | |
CN104281853A (zh) | 一种基于3d卷积神经网络的行为识别方法 | |
Zhao et al. | Attentional feature refinement and alignment network for aircraft detection in SAR imagery | |
Luo et al. | Contextual-YOLOV3: Implement better small object detection based deep learning | |
CN110263731B (zh) | 一种单步人脸检测系统 | |
Cao et al. | EFFNet: Enhanced feature foreground network for video smoke source prediction and detection | |
Tomar et al. | Crowd analysis in video surveillance: A review | |
CN114330529A (zh) | 一种基于改进YOLOv4的遮挡行人实时检测方法 | |
Puri | COCO dataset stuff segmentation challenge | |
López-Rubio et al. | Anomalous object detection by active search with PTZ cameras | |
Tao et al. | An adaptive frame selection network with enhanced dilated convolution for video smoke recognition | |
Alashban et al. | Single convolutional neural network with three layers model for crowd density estimation | |
CN113269038A (zh) | 一种基于多尺度的行人检测方法 | |
Li | Dual-attention generative adversarial network and flame and smoke analysis | |
CN115546668A (zh) | 海洋生物的检测方法、装置及无人机 | |
Fan et al. | Speed up object detection on gigapixel-level images with patch arrangement | |
CN113642520A (zh) | 一种带有头部信息的双任务行人检测方法 | |
Okafor et al. | Detection and recognition of badgers using deep learning | |
Tian et al. | Lightweight dual-task networks for crowd counting in aerial images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210326 |