当前,社会上还存在着各类不稳定因素,恐怖袭击、骚乱、群体性事件等危害公共安全的事件频发,反恐维稳成为社会普遍关注的话题。如何保障和维护好公共安全,是当前视频监控研究领域努力的方向与动力。人是各类公共安全事务的执行者,其行为的难预测性和复杂性为突发公共事件的防范、处理带来了极大的不确定性与紧急性。因此,亟待通过视频这一有力工具“监控”行为主体、识别异常行为。目前对人体异常行为的监控研究,学者们更多地是从计算机视觉的角度出发,单纯地基于图像特征实现对人体动作的识别及预测。这样的研究过程忽略了人体的生理结构及人体的运动学特征,也忽略了影响行为发生的重要因素——行为环境的约束。事实上,人的行为必须在实际的场景环境中发生才有意义,也只有在明确的地理场景中或需求定义下,才能判定某一行为的异常与否。视频图像中包含了大量的场景信息,如能通过地理信息科学充分利用图像中包含的地理信息,并与异常行为的识别结合起来,将具有计算机视觉领域不可比拟的优势。本文以中距离视频监控图像中的单个人体为研究对象,以人体异常行为识别为目标,探索结合场景约束的行为识别方法。研究内容与研究成果如下:(1)场景—行为关联方法。论文详细分析了人的异常行为的发生与环境的关系,并将环境因子的场景界定为视频监控常应用的公共场所;在此基础上,考虑场景的功能、监控的范围大小、人体动作影响的范围大小等因素,将公共场所分为三个层级,并设计、构建了树状结构的场景库,将地图映射的结果与场景库对比,从而获得异常行为发生的场景信息。通过该部分的研究,将场景与相应的异常行为进行了关联,为异常行为的识别提供理论依据。(2)人体运动骨架模型构建与动作的识别。论文将人体行为分为姿态—动作—行为三个层级,从最基本的姿态入手进行识别。通过分析人体运动的生理特征,将关节旋转算子作为人体姿态表达的基础,并用四元数对相关的参数进行描述。为了更简便地计算、表达,在几何代数空间中构建人体模型,用几何代数的计算方法辅助求解旋转算子,最后将多个关节点的旋转算子结合起来,从而描述静态的人体姿态。通过该部分的研究,构建了人体运动的骨架模型,获得了描述人体运动的人体动作描述子,进而识别人体动作。(3)场景约束下的异常行为识别方法。论文在姿态表达的基础上,进行了动作的表达,通过傅里叶变换,对不同的动作在频域上的表现进行分析,最后利用支持向量机将不同的动作区分开来,达到识别动作的目的。通过对异常行为定义的分析,确定异常行为判定规则,从而实现场景约束的行为识别,最后构建基于规则推理的专家知识库,通过对知识库的操作,实现异常行为的诊断。该部分的研究成果主要是提出了场景约束下的异常行为识别方法。(4)为验证以上研究成果的有效性,设计并实施了两个验证实验。论文能利用人体行为识别方法的验证实验,验证了将关节旋转特性作为动作识别依据的可行性。然后,进行人的异常行为识别的实验,通过对异常行为规则库的操作,实现视频中异常行为的检测,验证了文中提出的异常行为诊断方法的可行性。