西浦博士生探究公共安全检测新方法

新闻

开车时拨打接听手持电话、观看电视、向道路上抛撒物品以及疲劳驾驶等这些妨碍公共安全的驾驶行为你都有过吗?

中国公安部交通管理局统计,截至2017年6月底,全国机动车保有量达3.04亿辆,其中汽车2.05亿辆;机动车驾驶人达3.71亿人,其中汽车驾驶人3.28亿人。在如此大的汽车保有量下,如何更加有效地协助交通管理部门检测驾驶员的危险驾驶行为、提升公共交通安全显得尤为重要。

西交利物浦大学计算机科学与软件工程系博士生颜诗洋(下图)在导师张百灵博士的指导下开展了题为“基于深度学习的人体动作识别与事件检测”的研究。从2012年深度学习(机器学习中一种基于对数据进行表征学习的方法)网络在图像识别中首次超过传统图像识别系统以来,关于深度学习在图像、视频中的应用,包括动作识别,成为了机器学习乃至人工智能的发展方向与研究热点。

关于动作识别,跟随国际最近研究成果,颜诗洋的主要工作围绕两个方面展开:基于静止图像的动作识别和基于视频流的动作识别。基于静止图像的动作识别通常被认为是图像理解的重要部分。

“深度学习可以让机器学习到的特征更具有表达力,也就是能学习到对当前任务更有针对性的信息,”颜诗洋说道。“而且在多数情况下我们会尽量选择使用基于图像的识别,因为这样可以减少运算的时间、提升数据处理效率。”目前,以颜诗洋为代表的研究团队已经开发出了相应的识别软件,该软件可以应用到动画、视频自动注解和监视等实际操作中。

颜诗洋解释说:“在实际操作中,我们会把这款识别软件集成到车载监控系统中,软件可以在后台运用算法对拍摄到的监控录像进行实时的分析。当驾驶员的危险动作,如打电话,持续了一段时间时,运算程序会对这个动作打上标签,并通过警告声来提示驾驶员其驾驶行为存在安全隐患。”

“同时,软件会自动存储标记出来的动作,以便于交通管理部门后期通过对大数据的分析,来监管和处理存在危险驾驶行为的驾驶员,”他补充道。

张百灵博士评价说:“这款软件可以通过分析监控视频来实现对驾驶员打电话、抽烟以及疲劳驾驶等危险驾驶动作的识别。这对于有效地协助交通管理部门监测驾驶员的危险驾驶行为、提升公共交通安全具有很重要的作用。我们目前正与业界进行合作和交流,争取尽早将这款动作识别软件投入到实际使用当中。”

除了动作识别,颜诗洋还开展了对视频中的异常事件检测的研究。他表示现实世界中所安装的监控摄像头每天都会录制大量的监控视频,相关部门通过这些视频可以对突发异常事件进行上报和处理。

在所录制的监控视频中,大部分属于正常视频,只有极少一部分时间段才有可能发生异常事件。颜诗洋的研究主要集中在如何利用海量的正常视频数据学习一个“正常的模式”,在有异常事件发生、数据偏离正常模式时,学习系统就会报警以方便相关部门进行及时处理。

颜诗洋表示,在视觉呈现方面,异常事件的检测是最困难的:“因为缺少辨别事件属于正常还是异常的方法,所以识别正常模式并不是一项简单的工作。

“我们目前探索出的一个比较好的解决方法是利用深度产生式模型,具体来说就是产生式模型能够学习到正常模式的一个概率分布,而异常事件是不满足这个概率分布的。因此,一旦有异常事件发生,软件便会报警,”他解释说。

除了动作识别与事件检测方面的研究,颜诗洋和其他研究生一起努力争取将深度研究扩展到其他方面,包括场景识别、人脸识别、活性检测、人或车辆的重新识别(re-identification), 以及基于视觉属性对行人或车辆的图像与视频搜索,目前都取得了初步进展。

(记者:王国娟 付雅琪 摄影:田丽萍)

Tagged as: 工程与技术 科研

分享

  • 了解更多信息请联系

  • 姓名

    许恬甜
  • 电话

    +86 (0)512 8816 1032
  • 电子邮件

    [email protected]