控制与决策

作者：张晓平,纪佳慧,王力,何忠贺,刘世达

单位：1. 北方工业大学 电气与控制工程学院,北京 100144;$ $;2. 北方工业大学 城市道路智能交通控制技术北京市重点实验室,北京 100144,,1. 北方工业大学 电气与控制工程学院,北京 100144;$ $;2. 北方工业大学 城市道路智能交通控制技术北京市重点实验室,北京 100144,,1. 北方工业大学 电气与控制工程学院,北京 100144;$ $;2. 北方工业大学 城市道路智能交通控制技术北京市重点实验室,北京 100144,,1. 北方工业大学 电气与控制工程学院,北京 100144;$ $;2. 北方工业大学 城市道路智能交通控制技术北京市重点实验室,北京 100144,,1. 北方工业大学 电气与控制工程学院,北京 100144;$ $;2. 北方工业大学 城市道路智能交通控制技术北京市重点实验室,北京 100144,

关键词：人体异常行为;行为识别;异常行为检测;视频监控;特征提取;数据集

基金：国家自然科学基金项目(61903006)；国家重点研发计划项目(2017YFC0821102,2017YFC0822504)；北京市自然科学基金项目(4204096)；北京市长城学者培养计划项目(CIT&TCD 20190304)；北京市教委基础科研计划项目；北方工业大学青年毓优项目；北方工业大学科研启动基金项目.

作为计算机视觉的重要分支,异常行为识别与检测技术已在智能安防、医疗监护、交通管控等领域获得了广泛应用.对异常行为的界定及判别方法与场景因素紧密相关,针对不同应用场景特点,适当选择特征提取及异常行为识别与检测方法,进而保证预警准确率,在实际应用中至关重要.基于此,对基于视频的人体异常行为识别与检测方法进行综述,首先给出人体异常行为的定义、特点及分类;其次,对特征提取方法进行总结,特征提取方法的选取及提取特征的好坏直接影响后续判别结果;再次,从异常行为识别和异常行为检测两个角度对异常行为判别方法进行分析和讨论,给出常用异常行为检测数据集及相关算法表现;最后,对本领域未来研究方向提出展望.

来源：2022年第1期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第1期