基于知识图谱的异常个体提前识别模型研究

来源：计算机工程杂志2025年第9期北京时间：

作者：徐式芃, 王雷, 盛捷

单位：中国科学技术大学信息科学技术学院，安徽 合肥 230031

摘要：识别视频中的异常个体是计算机视觉领域重要的研究课题，已有算法主要研究如何检测出异常行为的爆发期，而忽略了异常行为的发展阶段，同时存在异常定义不明确、可解释性差、应用场景泛化能力不强等问题。针对上述问题，提出一种基于知识图谱的异常个体提前识别模型。对视频进行行人检测与跟踪、行人视觉关注目标检测和行人行为识别，以捕获与异常行为相关的行人属性特征；建立针对异常个体的知识图谱网络，提出年龄属性、社交距离等4种节点建模算法，根据行人属性对节点进行建模，更好地分析异常个体在异常行为发展期的特征；提出拐卖儿童、偷窃/抢劫和打架3种基于节点状态转移的异常个体推理算法，对知识图谱节点进行状态推理，得出个体在未来发生异常行为的概率值，实现对异常个体的提前识别，采用的推理算法增强了模型的可解释性；制作并标注异常个体提前发现数据集，定义偷窃、打架、抢劫和拐卖儿童4种异常行为，其中的样本源自不同的拍摄场景。在该数据集上评估模型的有效性，实验结果表明，该模型的均值平均精度(mAP)为22.83%，优于其他主流行为识别模型，其中与SlowFast模型相比提升了18.96百分点，表明所提模型能在异常行为爆发之前有效地识别出异常个体，且模型对应用场景具有良好的泛化能力。

关键词：异常行为,提前识别,行为识别,异常检测,行人属性,知识图谱

基金资助：高技术创新特区项目(20-163-14-LZ-001-004-01)