29、基于行人交互图的事件检测与轨迹提取分析

基于行人交互图的事件检测与轨迹提取分析

1. 动态行人图与鲁棒事件检测

在人群场景中进行事件检测是一个具有挑战性的任务。为了实现这一目标，采用了动态行人图的方法。动态行人图中的边代表相邻行人之间的交互，通过定义一组简单的运动模式，并使用隐马尔可夫模型（HMM）对这些交互进行分析。

行人之间的交互存在多种情况，例如两个行人开始交互、两个行人分开且边的权重 $w_{ij}$ 低于阈值 $t_w$ 等。在这种动态行人图中，边会根据行人的动态行为在序列中出现或消失。

为了进行鲁棒的事件检测，使用 HMM 对每对行人之间的交互进行分析。具体来说，采用前向算法为图中的每条边在每一帧推导运动模式的类型，运动模式类型定义如下表所示：
| 运动模式 | 描述 |
| ---- | ---- |
| 模式 1 | 具体描述 1 |
| 模式 2 | 具体描述 2 |
| 模式 3 | 具体描述 3 |
| 模式 4 | 具体描述 4 |
| 模式 5 | 具体描述 5 |
| 模式 6 | 具体描述 6 |

由于行人在行走时并非线性运动，可能会向左或向右轻微偏离，因此交互分析可能会在某些时间步中断。为了克服这个问题，引入了 HMM 缓冲区。当边的权重低于阈值时，HMM 缓冲区会在可定义的帧数内被激活。只要缓冲区处于激活状态，当权重再次增加时，HMM 分析可以继续进行，并且会回溯构建在时间步中暂时省略的对应边，从而避免行人交互出现片段。如果权重不再增加，则关闭相应的交互分析并最终删除该边。

下面是动态行人图更新和事件检测的流程：