本文選題：集體行為　切入點(diǎn)：密度估計　出處：《鄭州大學(xué)》2017年博士論文

【摘要】：集體行為是連續(xù)、有序的個體呈現(xiàn)出的宏觀行為模式,廣泛地存在于細(xì)菌菌落、動物群、人群、車流等各種群體系統(tǒng)中。集體行為的識別與仿真是計算機(jī)視覺和計算機(jī)圖形學(xué)領(lǐng)域的重要研究分支,對于公共安全、智能交通、影視游戲、建筑設(shè)計等應(yīng)用領(lǐng)域具有重要意義。集體行為識別與仿真的研究是有機(jī)的整體,識別出的行為模式能夠?yàn)榧w行為仿真提供人群控制策略,集體行為仿真能夠進(jìn)一步驗(yàn)證識別出模式的有效性。集體行為識別的根本任務(wù)是根據(jù)提取跟蹤點(diǎn)的行為特征,從視頻序列中挖掘出由行為一致性較強(qiáng)的跟蹤點(diǎn)構(gòu)成的行為模式。識別這種行為模式仍存在諸多難點(diǎn)。集體行為包含具有行為一致性的局部行為模式和具有行為連續(xù)性的全局行為模式,其中跟蹤點(diǎn)密度分布不均、行為簇形狀各異為集體行為識別帶來了困難;同時,識別具有復(fù)雜交互關(guān)系的集體行為對于局部行為一致性度量和全局行為連續(xù)性分析提出了更高的要求;進(jìn)一步研究發(fā)現(xiàn),已有行為特征描述子及其行為一致性度量對于識別存在較大空間間隔或透視變形的集體行為仍存在局限性。集體行為仿真的研究目標(biāo)是結(jié)合主觀心理和客觀環(huán)境因素對人群運(yùn)動過程呈現(xiàn)出的集體決策進(jìn)行建模,進(jìn)而通過渲染技術(shù)逼真地再現(xiàn)大規(guī)模群體行為。特別是在復(fù)雜環(huán)境下,群體在全局路徑規(guī)劃方面呈現(xiàn)出的“從眾現(xiàn)象”是集體行為的突出表現(xiàn)。然而,已有路徑規(guī)劃方法忽略了人群主觀因素與路徑規(guī)劃中“集體決策”間的關(guān)聯(lián)性,使得仿真的靈活性和逼真性仍存在不足。本文針對集體行為識別及仿真中存在的問題開展相關(guān)研究,主要成果有:(1)針對集體行為中局部和全局行為模式中跟蹤點(diǎn)分布散亂、行為簇形狀各異,提出基于一致性密度聚類的集體行為識別方法。定義一致性密度,該密度估計能夠在跟蹤點(diǎn)分布散亂的情況下揭示跟蹤點(diǎn)間的局部一致性程度。提出一致性密度聚類算法,能夠有效地識別局部層面上形狀各異的集體行為簇。通過分析不同局部集體行為簇在全局層面的一致性,進(jìn)而將具有較高全局連續(xù)性的簇進(jìn)行合并,得到集體行為模式。在多種群體場景的識別結(jié)果和與其它集體行為識別方法的對比表明提出方法能夠更加準(zhǔn)確地識別局部和全局集體行為。(2)針對集體行為中存在的復(fù)雜交互關(guān)系,提出基于動態(tài)核密度的復(fù)雜交互集體行為識別方法。定義動態(tài)核密度估計,能夠更加精細(xì)地反應(yīng)跟蹤點(diǎn)與其近鄰點(diǎn)的行為一致性程度。提出動態(tài)核密度峰值聚類算法,能夠有效地識別具有較強(qiáng)行為一致性的局部子群組;提出基于分層并查集的一致性合并算法,用于分析子群組間的復(fù)雜交互關(guān)系,精確地判定子群組間的行為連續(xù)性,進(jìn)而合并具有全局連續(xù)性的子群組。在視頻監(jiān)控和微生物的集體行為數(shù)據(jù)集的實(shí)驗(yàn)表明,提出方法具有更高的識別精度。同時,在運(yùn)動分割數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果,進(jìn)一步展現(xiàn)了提出方法對于其它應(yīng)用問題的魯棒性。(3)已有行為特征描述子及其行為一致性度量對于識別存在較大空間間隔或透視變形的集體行為仍存在局限性。針對該問題,提出一致性協(xié)方差作為集體行為中跟蹤點(diǎn)的特征描述子,加強(qiáng)了任意跟蹤點(diǎn)與其近鄰間的拓?fù)浣Y(jié)構(gòu)關(guān)系。通過黎曼流形空間度量的一致性協(xié)方差相似度,能夠有效地在具有透視變形或者較大空間間隔的情況下,發(fā)現(xiàn)跟蹤點(diǎn)間潛在的一致性關(guān)系。提出基于空間加權(quán)的密度峰值聚類算法。該算法直接聚類出集體行為簇,無需額外的合并過程。在集體行為數(shù)據(jù)集的實(shí)驗(yàn)表明,提出方法具有更高的識別精度,特別是存在透視變形或者較大空間間隔的情況下。(4)針對已有方法忽略了人群的主觀因素與群體路徑規(guī)劃中“集體決策”間的關(guān)聯(lián)性這一問題,提出基于情緒傳播模型的動態(tài)人群路徑規(guī)劃方法。該方法通過引入情緒因素,能夠更加逼真地展現(xiàn)群體的路徑選擇多樣性。在OCEAN人格特征模型的基礎(chǔ)上,定義的情緒偏好描述了不同情緒狀態(tài)個體的路徑選擇偏好。根據(jù)同一集體行為子群組的個體間往往存在更強(qiáng)的交互這一現(xiàn)象,提出情緒傳播算法�；谄谕麜r間最短原則,構(gòu)建融入情緒偏好的目標(biāo)函數(shù),用于在導(dǎo)航圖中搜索最優(yōu)路徑。實(shí)驗(yàn)結(jié)果表明,提出方法能夠逼真地仿真多種環(huán)境下的人群路徑選擇行為。相比于現(xiàn)有路徑規(guī)劃方法,提出方法在仿真效果和量化評價中均取得了更優(yōu)的結(jié)果。與不同局部碰撞避免算法的兼容性實(shí)驗(yàn)進(jìn)一步表明了提出方法的魯棒性。
[Abstract]:Collective behavior recognition and simulation is an important research branch in the field of computer vision and computer graphics . ( 3 ) There is still a limitation of the behavior characteristic descriptor and its behavior consistency measure for the recognition of collective behavior with large spatial interval or perspective distortion .

【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李寧;須德;傅曉英;袁玲;;結(jié)合人體運(yùn)動特征的行為識別[J];北京交通大學(xué)學(xué)報;2009年02期

2 張偉東;陳峰;徐文立;杜友田;;基于階層多觀測模型的多人行為識別[J];清華大學(xué)學(xué)報(自然科學(xué)版);2009年07期

3 吳聯(lián)世;夏利民;羅大庸;;人的交互行為識別與理解研究綜述[J];計算機(jī)應(yīng)用與軟件;2011年11期

4 申曉霞;張樺;高贊;薛彥兵;徐光平;;一種魯棒的基于深度數(shù)據(jù)的行為識別算法[J];光電子.激光;2013年08期

5 鄭胤;陳權(quán)崎;章毓晉;;深度學(xué)習(xí)及其在目標(biāo)和行為識別中的新進(jìn)展[J];中國圖象圖形學(xué)報;2014年02期

6 曾青松;余明輝;賀衛(wèi)國;李玲;;一種行為識別的新方法[J];昆明理工大學(xué)學(xué)報(理工版);2009年06期

7 谷軍霞;丁曉青;王生進(jìn);;基于人體行為3D模型的2D行為識別[J];自動化學(xué)報;2010年01期

8 李英杰;尹怡欣;鄧飛;;一種有效的行為識別視頻特征[J];計算機(jī)應(yīng)用;2011年02期

9 王新旭;;基于視覺的人體行為識別研究[J];中國新通信;2012年21期

10 王忠民;曹棟;;坐標(biāo)轉(zhuǎn)換在移動用戶行為識別中的應(yīng)用[J];北京郵電大學(xué)學(xué)報;2014年S1期

相關(guān)會議論文 前7條

1 苗強(qiáng);周興社;於志文;倪紅波;;一種非覺察式的睡眠行為識別技術(shù)研究[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

2 齊娟;陳益強(qiáng);劉軍發(fā);;基于多模信息感知與融合的行為識別[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

3 方帥;曹洋;王浩;;視頻監(jiān)控中的行為識別[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

4 黃紫藤;吳玲達(dá);;監(jiān)控視頻中簡單人物行為識別研究[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

5 安國成;羅志強(qiáng);李洪研;;改進(jìn)運(yùn)動歷史圖的異常行為識別算法[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

6 王忠民;曹棟;;坐標(biāo)轉(zhuǎn)換在移動用戶行為識別中的應(yīng)用研究[A];2013年全國通信軟件學(xué)術(shù)會議論文集[C];2013年

7 劉威;李石堅;潘綱;;uRecorder:基于位置的社會行為自動日志[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

相關(guān)重要報紙文章 前4條

1 李晨光;導(dǎo)入CIS要注意什么？[N];河北經(jīng)濟(jì)日報;2001年

2 農(nóng)發(fā)行鹿邑支行黨支部書記 行長 劉永貞;發(fā)行形象與文化落地農(nóng)[N];周口日報;2007年

3 東林;行為識別新技術(shù)讓監(jiān)控沒有“死角”[N];人民公安報;2007年

4 田凱　徐蕊 李政育 信木祥;博物館安全的國際經(jīng)驗(yàn)[N];中國文物報;2014年

相關(guān)博士學(xué)位論文 前10條

1 邵延華;基于計算機(jī)視覺的人體行為識別研究[D];重慶大學(xué);2015年

2 仝鈺;基于條件隨機(jī)場的智能家居行為識別研究[D];大連海事大學(xué);2015年

3 馮銀付;多模態(tài)人體行為識別技術(shù)研究[D];浙江大學(xué);2015年

4 姜新波;基于三維骨架序列的人體行為識別研究[D];山東大學(xué);2015年

5 裴利沈;視頻中人體行為識別若干問題研究[D];電子科技大學(xué);2016年

6 周同馳;行為識別中基于局部時空關(guān)系的特征模型研究[D];東南大學(xué);2016年

7 徐海燕;復(fù)雜環(huán)境下行為識別特征提取方法研究[D];東南大學(xué);2016年

8 吳云鵬;集體行為的識別與仿真研究[D];鄭州大學(xué);2017年

9 何衛(wèi)華;人體行為識別關(guān)鍵技術(shù)研究[D];重慶大學(xué);2012年

10 吳秋霞;復(fù)雜場景下的人體行為識別[D];華南理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 唐小琴;基于全局和局部運(yùn)動模式的人體行為識別研究[D];西南大學(xué);2015年

2 胡秋揚(yáng);可穿戴式個人室內(nèi)位置和行為監(jiān)測系統(tǒng)[D];浙江大學(xué);2015年

3 陳鈺昕;基于時空特性的人體行為識別研究[D];燕山大學(xué);2015年

4 任亮;智能車環(huán)境下車輛典型行為識別方法研究[D];長安大學(xué);2015年

5 金澤豪;并行化的人體行為識別方法研究與實(shí)現(xiàn)[D];華南理工大學(xué);2015年

6 王呈;穿戴式多傳感器人體日常活動監(jiān)測系統(tǒng)設(shè)計與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

7 王露;基于稀疏時空特征的人體行為識別研究[D];蘇州大學(xué);2015年

8 于靜;基于物品信息和人體深度信息的行為識別研究[D];山東大學(xué);2015年

9 章瑜;人體運(yùn)動行為識別相關(guān)方法研究[D];南京師范大學(xué);2015年

10 趙揚(yáng);家庭智能空間下基于行走軌跡的人體行為理解[D];山東大學(xué);2015年

，

本文編號：1715399