近日，谷歌發布AVA (Atomic Visual Actions)數據庫，由YouTube公開的視頻集組成，這些視頻可以用80個原子動作進行標注，例如走路、握手、踢東西等，所有動作具有時空定位，累計有5.76萬個視頻片段，9.6萬個人類動作，以及21萬個動作標簽。谷歌稱，此次發布的AVA技術將幫助谷歌分析多年的視頻，還能幫助廣告商更好地瞄準消費者。他們的最終目標是教計算機社交視覺智能化，即“理解人類在做什么，下一步該做什么，以及他們想要實現什么目標。”
目前，國內一些科研院所和企業也已經在行為識別相關領域進行重點投入，以解決視頻監控數據理解這一瓶頸問題，但要達到讓機器通過行為“理解”人類這個最終目標，還需要很多努力。“目前，人體行為識別大多還處在動作識別階段，對于實際應用而言，識別人的動作，還是一個巨大的挑戰。”11月8日，濟南大學模式識別與智能系統研究所所長李金屏教指出，動一動，機器就能發現你?有關專家表示，現階段，這是一件“可以有”的事。
應用：安防等領域大展神威
李金屏表示，動作識別可以看成是特征提取和分類器設計相結合的過程。養老院中，如果出現老人摔倒，行為識別系統可以立刻向工作人員發出警報，甚至直接與醫院進行聯系;黑科技滿滿的《碟中諜5》，安保系統的最后一道防線是步態識別……盡管技術難點重重，行為識別目前仍然在相關領域獲得了應用。
浙江大學人工智能研究所所長吳飛教授表示，這項最早被蘋果和微軟應用于游戲的技術，還在公檢法(在押人員審訊看護)、電力(風力發電、國家電網的安全生產)、銀行(業務區域智能安防)、醫院(病人狀態監護)等多個場景有更廣的應用空間。尤其在安防等領域，以行為識別為基礎的應用更廣泛。
比如通過人的走路方式來識別身份的步態識別，雖然屬于身份識別，但是也是行為識別和身份識別的一種有效交叉。步態識別是一種通過人們走路姿態進行的身份識別，分為人形檢測、分割、識別、跟蹤四個部分，而這些部分最具挑戰的環節都離不開以行為識別為基礎的研究。
在近年來尋找失蹤人口和嫌犯追逃的工作中，步態識別已經發揮了不小的作用。《機智過人》節目中，銀河水滴科技成功通過步態識別現場“嫌疑人”，加大難度后，還靠步態識別出狗的剪影。
銀河水滴科技創始人兼CEO黃永禎說，通過步態識別來實現異常行為分析，這是步態識別相比于其他生物特征識別的重要優勢之一。異常行為的應有之義就包括可以通過視覺觀察目標體形和動作狀態，來發現是否有異常行為，通常會涉及到目標檢測、分割、關鍵點定位、識別、跟蹤等技術環節，而這些技術環節也是步態識別的核心底層技術。目前，他們已能很好地完成遠距離非受控模式識別。
難點：定位、跟蹤、場景步步為艱
“行為識別的難點，首先表現為從連續視頻流中對人體運動的定位難、追蹤難。”吳飛說，在視頻行為識別中，要找到一個連續動作的起點和終點，即將連貫動作從視頻流中定位出來，在視頻識別中是非常困難的。而在找到某個連貫動作的起點后，對這個動作進行魯棒跟蹤也比較困難。比如一個跳躍動作，要實現追蹤動作持續展開的過程就不容易，還要考慮場景的復雜性以及背景動態變化或者攝像頭晃動等因素。
不僅如此，場景識別也是一大難點。首先，即使是同一類動作，在不同時刻、不同場景也具有很大差異性。吳飛舉例說，比如不同的人在不同時刻行走，速度、姿態和場景遮擋等方面都有差異。不同類別動作之間更是如此。李金屏表示，“與靜態對象不同，動作會隨著時間的推移而展開，會有更多不確定因素。”比如一幅人的“跑步”照片，實際上有可能只是這個人在跳躍的動作，只有看到更多畫面，才有可能清楚地知道到底發生了什么。可見人在場景中的動態是多么復雜。因此某一動作的識別方法很難直接用在另一動作的識別上。“一個動作，人類辨識兩三遍就可以了，但要讓機器記住并識別，則需要大量的訓練數據。”李金屏說。
此次谷歌發布的AVA與其他數據集相比，通過在相關場景中提供具有精細時空粒度的多個標簽，將極大推動人們對于相關模型的深入研究，最終不但能夠實現人的復雜活動精確建模，還將進一步獲得實際應用。
展望：設備平臺、理論模型方興未艾
“在行為識別領域，中國未來五年、十年的發展后勁非常強，建議在設備和平臺方面進行攻關，現在國內好多團隊的設備還是采用微軟等國外企業的設備和平臺，希望國家在這方面給予一定的支持和政策引導。”李金屏說。
在吳飛看來，中國的科研團隊和企業還應該在理論模型、數據驅動等基礎理論方面進行深耕。“一個行為動作的過程要經歷多個狀態(對應很多時間幀)，人體在每個時刻也呈現出不同的姿態，那么，是不是每一幀在動作判別中的重要性都相同呢?對于行為動作的判別，是不是每個關節點在動作判別中都同等重要呢?這些都需要理論模型等基礎理論的完善。”吳飛說。
京公網安備 11010502049343號