行为识别系统范文（精选10篇）
行为识别系统 第1篇
随着国内企业文化建设的持续发展与整体水平的不断提升, 近年来, 企业文化咨询的重心正在由理念识别系统和形象识别系统向行为识别系统转移。结合自己多年来咨询的经验与思考, 本文谈谈对企业行为识别系统建构的粗浅认识。
一、企业行为识别的简要梳理
1. 正本清源说概念
什么是行为?什么是企业行为?什么是企业行为识别?通俗来讲, 行为就是做什么、如何做, 是能被行为对象所直观感受到的行动表现。企业行为与个体行为不同, 它是以企业组织为主体, 企业根据自身的经营需要, 建立一整套行为规范, 以示自身与同类企业的区别, 这就是企业行为识别。近年来, 企业界较为普遍地接受了企业识别系统 (CIS) 的概念, 在企业文化咨询与企业实务上, 分别从理念识别系统 (MI) 、行为识别系统 (BI) 、形象识别系统 (VI) 三个模块进行操作, 已经形成了通用的理论与方法。
2. 条分缕析理脉络
在企业文化咨询实战中, 操作难度最大的模块当属“行为识别”。有些企业感觉到理念识别系统与形象识别系统相对容易建构, 但是在理念与形象识别系统建构完成后, 仍然感觉到企业文化建设仍然处于皮毛阶段, 对如何落实在行为上感到较为困惑, 随之产生了行业识别系统建构的现实需求。
为了操作的方便, 我们先把企业行为区分为“对内识别”与“对外识别”两大类。对外识别主要包括与外部市场相关的一系列企业行为, 如市场营销、广告宣传、售后服务、社会公益、公共关系等。对内识别主要包括与内部管理相关的战略决策、日常管理、制度制定、内部协作等行为。总之, 企业行为无所不包, 一举一动都是行为, 具有广泛的覆盖性。
3. 举一反三明形式
通过对众多企业的行为识别系统的研究 (虽然这些企业不一定都意识到这些已经是企业的行为识别系统) , 目前常见的企业行为识别系统有以下几种形式:一是以简明扼要的《员工行为规范》为代表的行为识别系统, 通常是分层分类的若干抽象规定, 偏重于行为理念。二是以《员工手册》为代表的行为识别系统, 所包含的内容为所有员工从入职到离职的行为要求。一般以员工为主体, 按照企业介绍、入职引导、工作需知、相关制度规定为线索进行编排, 独立成册。三是以《制度汇编》为代表的行为识别系统, 把企业除技术以外的管理制度汇编成册。四是以企业自编的《三字经》为代表的行为识别系统, 将制度规定的内容编成三字经的形式, 使员工更容易理解和接受。五是以“三大管理体系”为代表的行为识别系统, 从质量、安全、环境三个分系统进行行为规定。六是以5S为代表的行为识别系统, 着重从现场管理进行行为识别系统建构。七是以精细化管理为代表的行为识别系统。八是以执行力为代表的行为识别系统。总之, 企业行为识别系统不是什么神秘的事物, 每个企业都已经有意无意地正在建构自身的行为识别系统, 只不过还没有明确地冠以“识别”二字。导入“识别”这一概念, 意义在于使行为系统建构更加理性、自觉与系统。
企业在建构行为识别系统的过程中, 没有必要再另立一套名目、另设一套班子, 而是应科学评估自身的优势资源, 充分利用原有的基础, 选择最容易突破的部分和环节, 稳扎稳打地改善行为识别系统。
二、为何要系统建构行为识别系统
企业为何要系统建构行为识别系统?主要是行为识别系统在企业经营管理中可以承担以下角色并发挥相应的作用:
1. 市场竞争的利器
行动是看得见的竞争。在日益激烈的市场竞争中, 最直接的竞争武器仍然是产品与服务, 而产品与服务来自于企业人的行为。行为是服务与产品的源头, 这与我经常讲的企业文化理念是产品与服务的源头并不矛盾, 企业文化是终极源头, 行为是直接源头。
市场看不见企业的理念, 但能看见企业行为, 顾客不一定相信企业的宣传, 但相信企业的行为。在市场竞争手段日益升级的前提下, 重新审视企业行为体系, 重塑企业行为识别系统, 是企业文化落地的途径与目的地, 也是持续引领发展或不断超越自我的必由之路。通过企业行为的改善、员工素质的提升, 来提升服务与产品, 无疑是抓住了竞争制胜的根本。
2. 彰显品牌的法宝
行动是最具信服力的广告。在虚假的企业文化日益泛滥、企业诚信日渐缺失的大环境下, 行为是企业文化的试金石, 是企业品牌的保证金。企业行为识别体系是企业文化理念体系在企业行为上的落实, 又是企业形象识别系统在行为的印证。行为践行理念, 行为树立并支撑形象。行为使价值管理落到实处, 行为使品牌形象更加丰满靓丽。企业的品牌宣传与行为识别系统一旦在客户心中建立起正相关的联想, 企业的品牌美誉度就会不断提升。这也是我经常提到的文化管理如何发挥作用的机制。
3. 完善管理的手段
管理的持续改进本质上就是行为识别系统的不断完善。要把企业行为识别系统建构纳入到企业管理的范畴, 通过行为识别系统的建构, 促进企业管理的优化提升, 提高运行效率、改善服务与产品质量、降低成本。
三、行为识别系统的总体特征
一个行之有效的行为识别系统必须同时具备以下几个特征:
1. 先进性
一个具有高度识别性的行为系统, 必须是一套代表着行业领先水平的管理体系和行为体系。由于领先性往往表现为独一无二的特性, 所以在行为识别系统建构过程中, 许多企业对行为识别系统的“独特性”期望比较明确。然而, 人们并不知道为什么独特, 独特在什么地方。明确了“先进性”这一首要特征, 就抓住了行为识别体系建设的关键。搞清楚了行业的发展方向、市场导向, 精心设计与之相应的行为模式, 就可以成功建构领先的行为识别系统。
有些企业, 只知道行为识别要“创新”, 以为“创新”才是行为识别系统的第一特征, 殊不知“创新”只是手段, “先进”才是目的。因此, 行为识别系统的建构要在“创新”上下功夫, 形成自己真正的“领先”特色。
2. 规范性
一个具有高度识别性的企业行为识别系统, 必须是一套描述准确、标准量化的行为规范。因此, 行为规范不应当太过地概括笼统, 必须有详细的要求与相应的考核办法。目前, 许多企业主动实行规范化管理、标准化管理、精细化管理。这个过程本身就是企业行为识别系统的建设, 不必在此之外再建一套。
通过这套系统, 一个职能全面、职责清晰、制度科学、流程顺畅、人岗匹配、运行高效的企业现代管理平台就可以不断完善起来。因此, 不断完善制度与流程, 落实制度与流程, 是企业行为识别系统建构的支撑结构。
3. 系统性
一个具有高度科学性的企业行为识别系统必须是一套包括企业全体成员、所有职能、全部业务的完整系统。有些企业比较重视直接与顾客接触的员工的行为规范, 忽视了其它人员的行为的规范性, 导致了内外部行为的脱节。有些集团公司对成员企业的行为规范性要求很高, 但对总部的要求却相对滞后, 导致了两极分化。有些企业, 只对基层员工制定严格的行为规范, 对高层要求过于宽松。这些现象都是行为识别系统建构中应当极力避免的。此外, 各部分的行为识别之间还应具有很好的衔接性和协同性, 以相互支持配合, 这样才能达到真正的系统性。
四、行为识别系统建构的操作路径与方法
同样是企业行为识别系统, 却有不同的层次之分。要想高品位、高层次、高标准建构企业行为识别系统, 需要从以下几个方面进行强化:
1. 常态化
常态化是将行为识别系统的建构当做最基本的常规工作来要求。按照常态化的要求去做, 可以达成领导在与不在一个样、检查与不检查时一个样、对内对外一个样。常态化的核心是“坚持下去, 养成习惯, 习惯成自然。”一旦养成习惯, 就形成了如同与生俱来天赋秉性, 使对手望尘莫及, 使客户忠诚无比。只有这种能力, 才是不可模仿的核心竞争力。
常态化还表现在企业内外一致, 言行一致、知行合一。用常态化的标准来要求企业行为, 可以大大降低企业在社会诚信、产品与服务质量等方面的风险, 增加企业安全发展的能力。
2. 职业化
用一句经典的话来表述, 职业化就是“以此为生, 精于此道”。企业行为识别系统的建构要与员工的职业化培育同步进行, 这也是“以员工为本”建构企业行为识别系统的真谛。在企业行为识别系统建构过程中, 员工的职业生涯设计、职业化培训、专业技能提升培训必不可少。职业生涯设计促进员工与企业共同成长, 职业化培训促进员工更快地适应现代商业文明特别是商业伦理的要求、更好更快地融入企业秩序, 专业技术与技能培训则有助于员工掌握应有的从业技术与技能, 使员工具备更强的生产与服务本领。一群既具备过硬的专业技术能力又具有良好的职业素养的员工汇聚在一起, 自然会形成该企业战无不胜、攻无不克的行动力, 也必然形成企业行为识别系统。
3. 动态化
动态化是指行为识别系统的建构应当处在不断完善当中, 即“学无止境”, “行无止境”。如果是标杆企业, 就应当有永当第一的霸气。如果是追赶型企业, 则应当拉高座标、找准标杆, 不断超越。具体的做法是分析不足与差距, 完善制度与流程, 利用已有的基础, 扬长避短, 并做好与行为识别系统升级相匹配的相关环境、设备、广告等方面的配套改善, 使行为识别系统更容易为市场与客户所感受到。
肯德基企业行为识别系统分析 第2篇
肯德基是世界最大的炸鸡快餐连锁企业，肯德基的标记 KFC它已在全球范围内成为有口皆碑的著名品牌，他在快餐行业占有重要的主导地位，下面来分析一下他企业的行为识别系统。
一、特许经营——肯德基的有效扩张手段
肯德基以特许经营作为一种有效方式在全世界拓展业务，至今已超过二十年。肯德基1993年就在西安开始了加盟业务，目前已拥有近二十家加盟餐厅。相比之下，肯德基的对手麦当劳目前在中国内地开设的三百多家分店全部是直营店，没有一家特许店。肯德基在进行特许加盟操作时，有自己的标准与规范，从而保证了肯德基的品牌形象。
1.特许人所应具备的条件
肯德基希望加盟商是真正的食品服务业经营者，要求有从业背景，以“实践”为管理方向，能很快掌握该行业的基本知识，并具有在一定区域内扩大发展的潜力。该加盟商也必须是一名业主，负责所需股份或资金中相当大的一部分。这是一项长期的业务伙伴关系，肯德基只有在对加盟商的组织机构、金融状况和项目计划完全满意的情况下，才进行合作。
2.特许加盟模式
肯德基目前在中国发展加盟店的方式不是让加盟者交纳加盟费后自行开店，而是让加盟者出资购买一间正在运营中并已赢利的连锁店。转让已经成熟的餐厅，加盟者不必从零开始，可以较快地融入肯德基的运作系统，进而提高加盟者成功的机率。这对肯德基和加盟者来说是最稳健、最便捷的做法。考虑到大型城市开展特许经营挑战性大，目前肯德基只在中国内地境内非农业人口大于十五万、小于四十万，且年人消费大于人民币六千元的地区寻求加盟经营的申请人。当然，不是所有这些地区的餐厅都适合加盟经营，如果可能，肯德基优先接受加盟商对地点的建议。加盟经营协议的首次期限至少为十年，未来的加盟商必须自愿从事肯德基加盟经营十年以上，为的是保持加盟人对快餐事业的热情，避免产生一些短期行为。
3.特许费
新的加盟商被授权经营一家在营运之中的肯德基餐厅，每个餐厅的进入费将在八百万人民币以上(不包括不动产的购买)。进入费是一项转让费用，是根据一家成熟的且有赢利的肯德基餐厅的投资额、营业额、赢利状况而定的，经过审慎评估，符合各方面的利益。在一个加盟经营期开始时须支付三万五千美金的加盟经营初始费。持续经营的费用包括占销售额6%的加盟经营使用费和占5%的广告分摊费用。这些费率在现行基础上确定，在加盟商经营合同签订之后十年内保持不变。加盟商可以自行融资，调查显示，成功的入选者需要在项目中投入大部分的股份金额(大于70%)。
4.培训
成功的加盟商候选人将被要求参加一个内容广泛的二十周的培训项目，包括以下内容：“餐厅襄理”、“餐厅副理”、“餐厅经理”、“如何管理加盟经营餐厅”、“对总部的专门介绍”、“小型公司管理课程”。在培训过程中，加盟商将承担自己的费用。有餐厅和行业经营经验的加盟商可以申请免去某些培训。可以看出，在特许经营的严格规定背后，是肯德基总部和和加盟店共同的利益关系。肯德基的成功取决于各加盟商的成功。特许经营授权人给予受许人以足够的支持，只有当每个受许人赢利了，整个特许经营系统才能变得更加强大。
二、供应商管理
从创立之初的第一家餐厅到至今分布在中国几十个城市的四百多家餐厅，肯德基采用的鸡肉原料100%全部来自国内，十年来共消耗了6万多吨鸡肉。肯德基的飞速发展也带动了相关原料供应行业的发展。目前，大约85%的食品、包装原料都由中国国内的供应商提供。本着利益一致、共同进步的原则，肯德基对供应商传授全新的经营管理理念，引进先进技术，主动培训和积极扶持供应商，与供应商结成了关系密切的战略合作伙伴关系。
三、肯德基的员工培训
现代企业之间的竞争，归根到底表现为人才的竞争，这已经成为企业界不争的事实。对于餐饮服务业来说，员工培训有利于提高员工文化技术素质、连锁店的服务质量，为实现公司经营目标奠定基础。肯德基为了在中国快速发展，实现远景目标，在人力资源方面执行本土化战略，把员工培训作为自己一项重要的核心竞争力，不断投入资金人力进行多方面的培训。这也体现了公司“双赢思维”的企业文化，不仅企业要成长，个人也要成长。肯德基把每位员工实现自身价值的过程，与公司的远景目标结合在一起，凝聚为企业发展源源不断的动力。从餐厅服务员、餐厅经理到公司职能部门的管理人员都按照工作的性质要求安排严格的培训计划。肯德基在员工培训等方面的作法值得我们深思，并为我国的餐饮服务业提供了很好的参考样板。
四.公益方面
作为社会大家庭的一分子，肯德基以“回报社会”的企业宗旨来积极关心需要帮助的人们，尤其是近年来当肯德基自身不断快速发展的同时，对中国的公益事业，尤其是中国儿童的教育事业的投入已成为肯德基“回报社会”的一个核心内容。
为了能使少年儿童在健康的环境中成长，肯德基每年均以各种不同的形式支持中国各城市地区的教育事业，从捐款“希望工程”等教育项目到资助特困学生、**邀请福利院儿童和残疾儿童就餐；从举办形式活泼的体育文化比赛，到捐赠书籍画册。近年来，肯德基还开展了生动活泼，寓教于乐的肯德基健康流动课堂；与电视台一起举办的“小鬼当家”冬令营和夏令营活动，受到孩子和家长们的喜欢。这些都体现了肯德基“回报社会，关心儿童”的企业文化。2002年9月，3800万元的“中国肯德基曙光工程”启动，它将作为肯德基全体员工的一份心意长期资助给有志成材、家境贫困但品学兼优的在校大学生，为他们送去帮助，为他们学习、事业、人生道路的起步阶段铺满曙光。
据统计，十多年来肯德基直接和间接用在青少年教育方面及社会公益方面的款项已达6000多万元人民币，这些款项均用于帮助聋哑弱智儿童，贫困地区的失学儿童以及需要帮助的大学生和教育工作者
智能视频监控中的人体行为识别 第3篇
1 视频监控技术发展现状及挑战
视频监控技术发展分为三个阶段，第一个阶段是人力现场监控，全靠人脑、眼睛盯着现场。后来发展为传统视频监控，电子眼和中控室结合，有人专门盯着屏幕，看各个视频点的情况。传统视频监控效率低下，因为人类只要观看监控器20分钟，人的集中力及判断力将会下降，观看监控器22分钟以上，将会放弃画面变动的95%以上。此外，也造成了资源浪费和信息噪声，高清监控设备的投入使得存储量需要扩展到标清设备的2-4倍，超过PB级的海量存储，信息量巨大；原始监控视频信息噪声大，基于内容、语义的智能分析技术不足，信息难以被充分利用。
第三个阶段是在智慧城市中实现计算机与电子眼结合，实现智能视频分析。智能视频分析技术，起源于计算机视觉技术。它的目标是从视频图像中识别、分析并提取语义的对象与事件，过程是通过背景建模跟踪，识别运动目标，记录目标运动信息和轨迹，分析运动的信息，最后监测某一个事件是否发生。它的理想目标就是监控系统具有自主分析的“大脑”，相当于人的眼睛看到一个视觉信息，然后传导到大脑视觉皮层当中进行处理。
智能视频监控主要涉及的技术有三个，一个是网络技术，即通过IP网络传输视频；第二个是计算机视觉技术，理解视频中的内容；还有一个是智能分析视频中的关键信息。
智能视频分析的案例有很多，如拥堵检测、行车越界、车流量预测、停车检测等等；对地铁、机场中的人员越界、货物遗留的监控；面向特定人群的监控，监控敬老院老人和幼儿园孩子的活动情况，监视孩子的个性是否有怪僻，是否合群等等。还有环境监测，对森林火灾、隧道火灾（见图1）、水灾等等进行监测。
2 视频人体行为分析与理解技术
人是现实世界的核心，因此对人体行为的分析与理解是关键，人体的行为包括肢体的运动，比如手势、跑步、倒地等等，还有多人交互行为。当前的研究应用，更多集中在行为层面的设备和理解上。当前的技术分成三大点，一个是时空分析方法，第二是序列分析方法，第三是层次化分析方法。
时空分析方法
有种研究思路是把视频图像时间轴组成一个3D的时空体，并且抽取各种特征进行比对，以实现行为识别。它是通过研究时间轴来组织3D时空。优点是方法简单、直接，缺点是难以处理速度变化以及行为变化。
序列分析方法
它是通过比对模版行为序列和测试行为序列的特征来实现行为识别。这个思路很简单，它把前面一组数据和后面一组数据进行比对。还有一个就是把人体行为序列看作是多个不同状态之间的转变，通过估计输入行为序列与状态模型之间的相似概率来实现行为的识别，比如对于几个不同的pose，它能对复杂的行为进行建模，但缺点是特征提取困难，需要大量的训练数据。
层次化分析方法
它是把人体行为分解成为多个运动基元或者子事件进行分层分析与识别。其中包括概率方法、具体描述方法。层次化分析方法的优点是适合对更加抽象的，可分解为多个子事件的高层的人体行为及事件进行分析识别，需要更多的人类知识的介入，因此可以含有较少的训练数据。但是缺点是上层分析很大程度上依赖于底层的分析，而底层又比较难做。
由于外部环境的多变性，比如光照、物体运动导致的复杂变化，相机的运动、抖动会导致的视觉变化，还有雾霾也将导致背景的建模困难（见图2）。还有人体行为、运动形式、类别的多样性也是建模的难点。因此需要研究一种鲁棒的行为特征表示。但是因为二维图象识别的二义性，如人体之间的遮挡与自遮挡现象，还有二维到三维的病态影射，所以获取鲁棒的三维特征数据非常困难。
3 视频人体行为分析与理解的关系技术
鲁棒的背景建模
关于鲁棒的背景建模，如果是一种简单的背景建模（见图3），例如（a）是当前拍的个体景的视频，背景是已经知道的，把这两个做一个减法，就变成（c）。它的优点是计算效率高，缺点是视角或背景发生变化时会失效。我们的方法是，用一个路口的摄像头，事先拍了很多的背景图，但是不知道哪一幅是对应的，所以把它拿进来进行背景合成，一下就找到这个合适的背景，然后减去这个背景图，就得到所需要的图像（e）。实验显示，在摄像机旋转、摄像机抖动的情况下，仍然能够拍出好的效果，把它的背景提取出来，也可以很快把一个人的运动轨迹提取出来。
高效的行为特征表达与提取
行为特征表达与提取，主要是基于侧影轮廓的行为特征表达与提取，当前存在多种侧影轮廓的表达方式，但是即使是两个侧影轮廓图看起来差不多，其实景图也可能相差很大。也就是说不同的姿态，可能有相似的轮廓。问题是，许多特征维度与具体问题无关，我们的目标是能够自动提取最有效的体征，降低特征维度，提高计算准确性。用自适应轮廓特征的合并与选取，就是将多个原始特征用多种方式来表述，分别计算傅里叶及小波特征，然后进行组合，做最终的特征输出。
对于人体行为的识别与姿态重建的应用，什么样的轮廓特征表达是最优的？不同轮廓的特征计算效率如何？人体相对于摄像机的朝向与倾角对于识别与重建结果有何影响？这些情况都不知道。我们采用的是一个HuumanEva-i的数据集，采用真实或者合成测试数据对不同轮廓表达，对三维人体效果进行测试。
对轮廓的特征表示可以有多种方法，我们对几种轮廓进行了对比。第一种是在训练和测试的数据中采用同样的表演者，使用合成的测试轮廓。第二种是在训练和测试中采用不同的表演者，使用合成的测试轮廓。通过这几种方式比较发现，训练和测试当中采用同样的表演者，它的误差可能要比使用不同的表演者的误差要小。如果采用同样的表演者，使用合成的测试轮廓要比使用真实的测试轮廓的误差要小。从这里得出的结论是，当训练数据跟测试数据中的行为对象不同的时候，使用合成的数据效果更好，真实应用中可以采用合成的数据作为依据。
图4是数据库指导下的姿态估计与重建思路。
图5是三维人体姿态的特征表达与距离度量。人体中可以分为很多关节点，几何的特征定义可以有很多方法，比如两个点之间的距离，这两点之间的距离相对于另外一个点的距离，可以作为特征，然后对它进行分析。这个实验结果表明，我们采用的这个方法是较好的方法。
三维人体姿态的估计与重建
我们现在叫基于自然视频的三维人体姿态估计与重建。我们在实验室里面要测试一个人体运动，身上可以带一个标记点，但是在一般的情况下，他没有这个标记点，这样的情况我们称之为自然视频。在智慧城市中录下来的视频，如何快速把这个人体的姿态恢复出来？以前的做法是要用视觉的办法，人对它进行分析。现在的思路是，假如有一大批的人体的模型，从中取出一种姿态，通过渲染以后产生一个结果，然后进行比较。如果这两个很接近，就反映了这个姿势就是视频当中我们要的那个动作。采用的方式是这样的，首先对侧影进行分析，引入目标函数。图6是一个电视台的学打太极拳的视频，首先把它进行三维建模，这里面实际上并没有用视觉的方法，而是把事先有的模型点获取下来，这样就很快能得出结果。这里的问题就是如何在每一个候选的姿态中确定最终的姿态，我们搭建了一个系统，支持1到6个普通USB摄像机配置的三维模型系统，可以很快的把人的运动骨架提取出来。对于双摄像机的情况，可以从两个视角对它建模。
关于具有区分度的紧凑多模态特征选择，传统基于多模态特征行为识别算法大多是将不同模态类型的特征直接拼接起来，构成一个更加高维的新的特征表达，增加了冗余性，忽略了不同模态特征之间的互补性。我们的主要思路是从多模态特征的角度来做。要做一些维度削减，去除非相关的特征。已有的方法有一些是基于监督的特征选择，还有非监督的特征选择，至于是监督还是非监督好一些？在现实条件下，非监督的人体行为视频数据比较充分，因此我们采用非监督的机制下的多视角的特征选择。基于RGB—D多模态特征融合的人体行为识别，RGB—D能够相对容易的进行背景建模，深度信息的引入有助于消除运动歧义性。现在有很多人在做这个工作，我们的思路是进行多特征的选择，然后通过多视角的特征学习，最后达到人体运动的设备跟检测的目的。大家最终的目的是一样的，就是对人体行为的识别。
4 人体行为分析与理解的发展趋势
面向具体的行業应用，要开发更具实用性的智能人体行为监控系统。解决的途径是引用多模态的传感器，提高准确性。同时，增强对环境上下文的理解，和面向大规模数据集的实时人体行为分析与理解。
现在已经有很多新的传感器，这些传感器的出现，能够解决很多问题，尤其是像现在RGB—D的传感器，因为它有更大的视角，更大的分辨率和更远的感知距离，可以在日常生活中进行应用，附加在环境中的各种传感器有助于辅助对复杂人体行为的理解与识别。因为有了传感器，在很多娱乐当中都可以作为一个很重要的交互手段，例如人与机器的交互。也增强了我们对环境上下文的理解，实时的人体行为的分析与理解技术是构建具有实用性的智能人体行为视频系统的关键技术。
这里还有一些值得思考的问题，比如说我们现在的很多训练数据如何标注，弱标注或者非标注，以及标注错误条件下的模型的建立等等。
视频异常行为识别与分级预警系统 第4篇
能否准确实时实现分级预警是衡量智能监控系统的重要标准之一。截至目前, 国内外鲜有针对异常行为敏感程度的评价体系或模型。部分国内外学者和安全研究专家开始尝试用风险管理[6—8]的方法对道路交通安全评价体系和模型, 取得了一定的进展。Leonelli采用模糊数学法[6]来评估不确定性风险影响因素;Fabiano将危险货物运输过程中的风险影响因素[7]划分为道路固有特征、天气条件和交通状况等类, 提出了面向事故现场的评价模型。然而, 由于在视频监控中的异常行为种类众多, 且之间没有太多联系, 因此建模困难[8]。目前较为先进的格灵深瞳无人监控安防系统[9]也只是将不同的异常行为通过人为指定预警级别实现分级预警。
提出并实现的异常行为识别与分级预警系统结构图1所示。
1 系统设计
1.1 视频分类
移动目标异常行为的识别算法大致可以分为两类: (1) 基于物理建模的行为识别方法; (2) 基于分类器学习的行为识别方法。基于物理建模的方法主要用来识别物理特征较明显的行为, 因此只需对此类行为建立合适的物理模型即可用于行为分类与判断。同时, 基于物理建模的行为识别方法由于需要对目标准确的检测与跟踪, 常常用于场景较简单的情况。基于分类器学习的方法则主要用于特征多样、复杂的行为分类, 特别是对于场景复杂的群体行为, 在这类场景中无法检测跟踪独立个体, 因此往往先提取全局特征, 然后运用机器学习的方法分类学习。
结合上述两类行为识别方法的不同适用场景, 本文提出一种视频分类算法:首先依据Davies等人提出的人群密度估计算法[10]及Guogang Xiong等人提出的能量模型[11], 计算出待处理视频的人群密度与能量, 通过事先训练好的最近邻分类器判断场景的复杂度, 从而实现视频的分类。
1.2 个体行为分析
如果视频分类结果为简单场景视频, 系统采用VIBE算法[12]对目标实时检测跟踪, 之后对入侵、遗留物、高速运动这三种行为分别建模, 从而实现三种单人行为的识别。
1.3 群体行为分析
若视频分类结果为场景复杂的群体行为视频, 则考虑运用模式识别中机器学习的方法对行为分类。在这类复杂场景下, 对每个目标的检测跟踪变得异常困难, 只能对整个视频帧提取特征, 最后运用机器学习的手段实现分类。Heng Wang等人提出用视频稠密轨迹特征[13]表征行为特征, 并运用特征字典实现特定行为的识别分类;Piotr Dollar等人通过对视频帧时间域与空间域的滤波得到时空特征点[14], 对特征点周围的时空立方体做梯度描述形成特征向量, 最后通过SVM[15]机器学习实现特定行为的识别。该方法所提取的特征点常出现在运动剧烈的区域且经过PCA降维大大减少了算法运算量, 因此本文采用此方法实现群体行为的识别。
1.4 行为分级与预警
为了实现系统稳定分级预警, 本文将格灵深瞳系统的分级思想与迟滞比较器[18]引入分级预警体系中, 实现了异常行为的抗干扰分级预警。
2 系统算法设计与实现
2.1 人群密度与能量为特征的最近邻分类器
2.1.1 人群密度估计
本文采用Davies[10]提出的通过数像素个数的人群密度统计算法。具体步骤如下:
1) 连续选取两帧图像, 转为单通道灰度图后再对其进行3×3高斯滤波。
2) 对上述步骤得到的灰度图像做canny边缘检测, 对所得结果相减得到边缘差。
3) 对步骤2) 得到的边缘差图像用形态学腐蚀膨胀运算消除噪声, 然后以该图像为遮罩对原始图像二值化, 统计灰度不为0的点的个数作为人群密度的度量。
2.1.2 人群能量估计
Guogang Xiong等人[11]提出的能量计算公式如下:
式 (1) 中, mij判断某像素点是否为前景点, mijε{0, 1}, 若为前景点取值1, 否则取值0;gimg是一个固定常量, 其值的大小取决于特定的场景, 本文中取10;H是前景到摄像头最短距离的粗略估计, 对于固定的摄像头而言, H也是常量;X, Y分别代表图像的宽高;yij代表图像在y轴上的坐标。由上可知, 由公式 (1) 计算出的能量与摄像头到目标的距离无关。将e定义为每单位人的平均能量, 可以得出人群能量N的估计公式:
式 (2) 中, k表征了图像中的遮挡程度。
由上述人群密度和能量模型分别计算得出的结果最终会融合成一个特征向量, 作为本文系统第一层分类器的输入。选取最近邻分类器对视频分类。
2.1.3 最近邻分类器
最近邻分类器的理论依据是K最近邻算法 (KNN) , 它采用向量空间模型对输入样本进行分类[16]。若样本类别相同, 样本间的相似度较高。因此本文通过计算与已知类别样本之间的相似度, 来估计得到未知类别样本可能的类别。
分类过程如下:
1) k的取值与已知类别的样本数量有关;
在本文实现的系统中, 用于训练学习的样本数为50个, k取7。
2) 以欧式距离作为样本间的距离度量方法, 得出待分类数据和所有已知类别样本中距离最近的7个样本。
3) 统计这7个样本中各个类别的数量。把其中数量最多的已知样本的类别作为待测样本类别。
最近邻算法的缺点是计算量大, 特别当输入为高维特征向量时。本文阐述的系统中, 人群密度与能量已足够用来区分个体行为与群体行为, 特征维度低, 可以快速地用来对个体行为与群体行为准确分类。
2.2 个体行为分析
当环境较为简单, 特别是单人行为时, 适合采用基于检测跟踪的行为分析方法。本文首先采用VIBE算法检测出前景目标[12]并跟踪, 然后依据事先建立好的物理模型实现特定行为的识别: (1) 通过目标跟踪框与预设的被保护区域对比分析得出目标是否入侵被保护区域; (2) 利用三维测距模型对目标实时测速, 并与事先设定的阈值比较得出目标是否高速运动; (3) 利用不同更新率的双高斯模型实现遗留物的检测。
2.3 群体行为分析
在复杂环境下 (人群密集的场景或者运动信息复杂的区域) , 本文通过提取时空特征立方体的梯度特征, 加载到事先训练好的SVM分类器实现三种群体异常行为 (打架斗殴、人群骚乱、聚集逃离) 的分类。
基于三维时空特征立方体的群体行为分析步骤如下:
1) 时空兴趣点检测。本文选取Dollar的Cuboids的特征提取方法[14], 特征点是对视频帧时间域和空间域滤波的结果。Cuboids特征检测算子响应函数如下公式所示:
式 (3) 中, I为输入的视频序列, g是对输入视频的空间域平滑滤波的二维高斯函数g (x, y, σ) , hevhod则是对视频序列时间域滤波的Gabor滤波器, 其定义公式如下所示:
选取ω=4/τ。
从上述响应函数可以看出, 周期性的行为会得到较大的响应。时间域与空间域的局部最大值同样会得到较大的响应值。而那些简单平滑的运动 (如平移) 响应函数输出值很小。
2) 时空兴趣点描述子。为了减少微小平移、光照变化等因素的不利影响, 与简单的直方图统计或者归一化的亮度向量不同, 本文通过求取每个特征点周围时空立方体在各个方向的梯度组成描述矢量。由于采用上述方法得到的描述矢量规模庞大, 不利于后面的学习分类。因此, 本文采取Pearson于1901年提出的PCA思想对描述矢量降维。之后以欧式距离为度量, 采用K-Means++算法聚类, 得到N个聚类中心 (本文N取50) 。这50个码本构成一个行为码本。利用这一行为码本对测试视频描述矢量中的每个值进行归类, 从而得到归类后的描述矢量。本文以归类后的描述矢量的统计直方图作为视频序列最终的描述矢量。
3) 由步骤2可知, 每个视频最终映射为一个统计直方图。为了提高算法的识别效果并减小计算复杂度, 本文采用支持向量机算法对直方图进行分类与识别。
2.4 改进的异常行为分级预警
2.4.1 格灵深瞳
格灵深瞳[9]是计算机视觉领域致力于人工智能的科技型公司。其主要宗旨在于让计算机像人一样主动获取视觉信息并进行精确的实时分析, 从而释放人工智能最大的潜能为人所用。2014年4月起首款产品“深瞳智能无人监控系统”工程样机开发完成。基于其人为指定行为分级的思想, 指定本文所识别的六种异常行为 (入侵、高速运动、遗留物、聚集逃离、打架斗殴、人群骚乱) 级别为LEV-EL1-6。本文系统所搭建的针对6种异常行为的分级系统结构如图2所示。
2.4.2 迟滞比较器
引入迟滞比较器[17]可以使得电路系统具备较强的抗干扰性能, 迟滞比较器电路图与电压传输特性如图3所示。
由图3 (b) 可知:迟滞比较器存在回差电压, 这使得电路抗干扰能力得到显著提高。回差ΔUTH (2 UTH) 越大, 电路的抗干扰能力越强。输入信号可能会受干扰或由于其他原因发生变化时, 然而, 只要这种输入信号的变化量不超过回差ΔUTH, 这种存在比较器的电路的输出电压就不会来回变化。
在分级预警系统实现中, 由于单人行为分析中常常会由于环境的突变甚至是目标的误匹配跟踪出现其状态的瞬变, 因此引入一个“等级”参量, 初始值设为4, 以单人高速运动行为分析为例:若两帧之间检测到高速运, 则该参量加1, 否则减1, 当该参量达到+5时, 提示高速运动并显示高速运动对应的异常行为等级, 该高速运动标签一直存在直到参量减到了-5。采用迟滞比较的方法可以得到更加稳定的行为分类结果, 更加可信且贴近实际应用。
3 实验结果与分析
在标准数据库PETS 2009加以自行拍摄的视频上进行测试, 实验结果验证了所建立的异常行为分级预警系统的有效性。
图4第一排为实现的系统在自行拍摄的个体行为视频的测试结果。由这三幅图 (从左到右) 可以看出, 系统可以准确识别出入侵、高速运动、遗留物这三种个体行为, 并给予分级预警。
图4中间一排为实现的系统在自行拍摄的群体行为视频的测试结果;第三排为实现的系统在标准数据库PETS 2009上的测试结果。为了比较算法的有效性, 采用精确度 (ACC) 作为算法的衡量指标, 根据曲线理论知:
式 (6) 中, TP为被正确识别的样本数, N为样本总数。ACC为由上式计算得出的精确度。在标准视频库 (set1) 与自行拍摄的视频 (set2) 中分别用三种算法测试, 得出结果如表1所示。
由表1可以看出, 与采用线性核函数相比, 采用RBF核得到的识别率更高;与Harris3D特征相比, 采用时空立方体得到的识别率更高。由此可以看出本文采用的“Cuboids特征+BRF核SVM”算法的精确率最高。
为了对比分级时引入迟滞比较器前后对实验结果的影响, 我们做了如下对比试验:
未引入迟滞比较器时 (图5) , 视频在相对连续帧之间的行为分析结果会不断变化 (即前一帧判断为高速运动异常行为、后一帧又判断为正常行为, 并如此反复) , 这样反复不定的行为识别显然会对后续的预警产生不利的影响。引入迟滞比较器之后 (图6) , 连续帧的行为识别相对稳定, 更有利于下一步的预警。实验证明了迟滞比较器可以实现行为的稳定识别与分级预警。
4 结论
幼儿问题行为的识别与应对读后感 第5篇
（一）“儿童是花朵，教师是园丁。”当成长中的花朵遭遇一些小问题时，园丁们该怎么办呢？通过案例系统而全面地论述了幼儿最经常出现的各种问题行为的可能原因和步骤明确的处理方法。打人、咬人、撕书、发脾气、不参加活动、不爱说话、挑食……探讨了它们形成的潜在原因以及步骤明确的处理方法，为幼儿教师提供了一部详实的“园艺指南”.同时，它也告诉我们，幼儿问题行为的处理，是一项春风化雨、润物无声的“园艺系统”工程，而不是“头痛医头、脚痛医脚”的外科手术。孩子们的每一步成长，都依赖于成人所提供的环境和养料，环境和养料提供的不当就会导致儿童出现问题行为。因此，我们要以一种潜移默化的方式，引导儿童向理想的方向自然成长。
本书一种分为八篇。分为总体的概述一下本书内容，攻击性行为和反社会性行为，捣乱行为，破坏性行为，情绪及依赖行为，社会交往和幼儿园活动中的问题行为，不良饮食行为和多种问题行为。在幼儿出现这些问题行为后，推荐使用的策略应该在一种以儿童为中心的、为儿童设计的活动具有发展适宜性特征且师幼互动积极的环境中实施。做为教师我们必须认识到“困难”儿童只是一些出现问题行为的儿童，而不是一些“坏”孩子。记得以前园长说过，没有问题儿童，只有儿童问题。通过阅读本书，让我清晰的认识到要理解儿童的行为，更重要的是理解引起儿童不适宜行为的原因。我们不能只对儿童的不适宜行为作出反应，我们更不能以简单粗暴的手段来对待儿童。我们有责任去管理儿童的行为，与儿童沟通，发展儿童的道德和自信心，形成积极的训练策略和发展目标。在平常和幼儿的接触中，往往会发现幼儿的很多问题，因为自己的经验匮乏，很多情况下都不知道要如何处理，但是看完这本书之后，让我豁然开朗。每个孩子问题都绝不可能是“无本之木、无源之水”,背后总是有其特定的原因，如果不去探寻这些问题出现的根源，只是把表面切掉、压制。效果只能是适得其反的。孩子们的每一步成长，都依赖于成人所提供的环境和养料，环境和养料提供给的不当就会导致儿童出现问题行为。很多时候，儿童仅仅是因为他们没有意识到自己的行为是不被人们所接受的，才一再表现出某种问题行为。我们不要急于去解决这些问题，纠正孩子的行为，而忽略了儿童问题行为产生的根源。老师在对儿童问题行为的解决时，()要进行细致的观察，接着要与孩子的家人进行有效的沟通，以找到问题行为的原因，这样老师采取的解决策略才是有效的。儿童的每一种问题行为都绝不可能是“无本之木、无源之水”,背后总会有其特定的原因。面对问题行为时，教师首先要进行细致的观察，接着要与孩子的家人进行有效的沟通，以找出问题行为的原因，这样教师采取针对性的处理措施才有了深厚的根基。
相信通过阅读、尝试训练、与他人交流和对自己的行为进行自我评价和反省，定可以在管理儿童行为的过程中获得新的东西，在应对那些个别儿童和特别事件时，可以有更多的办法和更多的自信。所以，幼儿问题行为的处理，是一项春风化雨、润物无声的“园艺系统”工程，而不是“头痛医头，脚痛医脚”的外科手术。
幼儿问题行为的识别与应对读后感
（二）内容简介：
“儿童是花朵，教师是园丁。”当成长中的花朵遭遇一些小问题时，园丁们该怎么办呢？本书通过诸多实例，系统而全面地论述了幼儿最经常出现的41种问题行为：打人、咬人、撕书、发脾气、不参加活动、不爱说话、挑食……探讨了它们形成的潜在原因以及步骤明确的处理方法，为幼儿教师提供了一部详实的“园艺指南”.同时，它也告诉我们，幼儿问题行为的处理，是一项春风化雨、润物无声的“园艺系统”工程，而不是“头痛医头、脚痛医脚”的外科手术。
读后有感：
儿童在自我发展中如何形成自我和自信心呢？儿童自己如何理解行为的对与错呢？儿童的自我控制和自的律能力如何发展呢？对于儿童，我们应该有什么样的期望和目标呢？
通过阅读本书，让我清晰的认识到要理解儿童的行为，更重要的是理解引起儿童不适宜行为的原因。我们不能只对儿童的不适宜行为作出反应，我们更不能以简单粗暴的手段来对待儿童。我们有责任去管理儿童的行为，与儿童沟通，发展儿童的道德和自信心，形成积极的训练策略和发展目标。
行为识别系统 第6篇
视频监控系统是现代化生活的重要组成部分, 视频监控系统的关键是基于监控系统的人体行为识别技术。设计一种高效鲁棒性的人体行为识别算法是人体行为识别研究领域的重点。
基于人体行为的智能监控系统通常按照人体行为检测与跟踪[1]、人体行为特征提取与运动表征、人体行为识别与理解[2]等处理流程。其中, 人体行为检测与目标跟踪、人体行为特征提取与运动表征、人体行为识别和理解属于视觉中低级处理部分、中级处理部分和高级处理。处理流程如图1所示。
本文对人体行为跟踪定位、人体行为特征提取与人体行为识别进行了研究。针对Meanshift算法跟踪速度慢和跟踪效果差的问题, 引入Kalman滤波的方法, 在跟踪时, 搜索迭代次数少, 速度快, 受人体移动及背景变化的影响小;利用肢体角度特征和区域面积特征提取运动特征, 实时性较好、识别率高;运用基于OAA模型的支持向量分类器来对动作进行分类识别, 提高了分类效率与性能。实验结果表明, 此识别方法的实时性好、鲁棒性高, 使监控系统效能得到提高。
1 人体目标跟踪
目标跟踪是人体行为识别过程的关键环节, 其主要任务是对目标检测阶段获得的运动目标进行定位跟踪, 确定目标的空间位置、运动速度以及运动轨迹等信息, 为进一步工作奠定基础。
1.1 Meanshift 算法
Meanshift算法是一种核密度估计算法, 对于非刚性目标, 该算法跟踪速度快, 准确率高, 特别适合对实时性有较高要求的系统。核心思想是:以矩形窗作为跟踪窗口, 在初始帧计算核函数加权下的搜索窗口的直方图分布[3], 用同样的方法计算候选目标的直方图, 用巴氏距离度量目标搜索窗口直方图和候选目标直方图之间的灰度分布相似度, 以相似度最大为原则, 通过Meanshift的迭代向量运算, 在搜索窗口内得到目标位置[4]。
1.2 Kalman 滤波算法
Kalman滤波是一种基于最小均方预测的最优线性递归滤波方法。该方法的主要思想是:利用前一帧已经定位到的目标状态, 采用最小化的线性均方误差准则, 对下一帧图像的目标位置和速度做最优估计, 并且更新当前帧的目标区域。Kalman滤波算法是一种速度快、效率高的递推估计算法, 在目标跟踪中应用广泛。利用Kalman滤波进行目标跟踪共分为状态预测和参数更新两个阶段。
1.3 基于 Meanshift 与 Kalman 滤波的跟踪算法
Meanshift算法是基于密度梯度增加的非参数方法, 实时性好, 迭代速度快, 但存在缺少必要的模板更新[5], 目标被遮挡时鲁棒性差, 目标运动速度快时准确率低等不足。Kalman滤波器是一种常用的预测方法, 对目标的运动速度和位置预测准确[6], 扩展性强, 跟踪效率高。为了克服Meanshift算法的不足, 引入Kalman滤波器预测相邻帧的状态, 提出一种基于Meanshift和Kalman滤波的跟踪算法。
具体的跟踪算法为:
(1) 在初始帧中定位目标人体, 得到位置坐标, 构造模板。用Kalman滤波器得到下一帧的人体位置y0 , 计算当前帧的分布概率, 得到
(2) 根据确定权值
(3) 确定目标的新位置:
对目标位置进行更新并计算出核密度函数g的计算公式为:
(4) 判断, 如果该式成立, 进行步骤 (6) , 否则执行步骤 (5) 。
(6) 进行下一帧跟踪, 判断初始模板与当前帧的相似度是否在阈值范围内, 如果在阈值内, 则用Kalman滤波器预测下一帧的位置;如果不在阈值范围内, 则需重新定位眼睛以获取新的模板。
2 人体特征提取
从原始视频数据中提取何种底层特征 (如形状信息包括侧影、轮廓, 运动信息包括位置、速度、方向等) 描述人体运动, 以及如何选择充分有效的描述方法表征人体运动状态成为人体行为理解中至关重要的一步。
2.1 肢体角度特征提取
人体运动过程中, 人的肢体包含丰富的运动信息, 智能监控系统完全可以通过人体运动过程中的肢体运动情况来实现准确率较高的行为识别功能。人体运动过程中关节点的角度、角加速度、角速度等运动信息可以表征唯一的运动动作姿势。本文将提取与分析躯干、大臂、小臂等的角度作为人体运动的动态特征。
以人体直立时双脚所在位置的水平线为基准线, 根据肢体和身高的比例关系和肢体随人体运动的表现出的几何信息, 可以定位人体的十二个关节坐标。
2.2 区域面积特征提取
在人体的运动中, 人的轮廓具有整体性、唯一性, 并能完整的表征人体运动。在视频图像中人体的两维轮廓要转化为一维矢量进行运算。本文提出利用提取区域面积特征来表征人体运动过程中的轮廓信息。
其具体方法如下:
(1) 建立质心点坐标系。计算人体的质心点位置{X, Y} :
U (x, y) 为 (x, y) 像素点处的像素值, 求出质心位置后在该点建立横向X轴, 纵向Y轴的直角坐标系。
(2) 区域划分。将直角坐标系进行区域划分, 用划分区域变化替代跟踪轮廓线, 以△Ψ 为幅度逆时针旋转X坐标轴, 直到坐标轴与原来位置重合, 完成区域划分。
(3) 区域面积特征提取。以划分好的单个小区域面积为对象, 计算小区域内的前景像素点的个数, 计算公式为:
2.3 肢体与区域融合的特征提取
采用加权相加法对肢体角度特征与区域面积特征进行融合。这两种特征代表的人体运动信息量不同, 在融合过程中, 匹配量化值的可信度不同, 所以需要对不同特征分配合适的权值再相加融合。特征的权值用自身的识别等错率EER计算, 设特征m的等错率为e m, 则特征的权值ωm为:
m为特征编号, N为特征个数, ωm在0与1之间, 满足归一化条件。e m与ωm为反比, 特征权值得到后, R*表示归一化后的特征匹配量化值。则加权相加法公式为:
t表示个体编号。
3 基于 OAA 的支持向量机分类识别
人体的行为识别是指对人体的运动模式进行分析和识别, 并用自然语言加以描述。
支持向量机 (SVM) 是建立在统计学习理论和结构风险最小原理基础的框架上, 针对有限样本, 根据其有限信息构建模型, 通过将实际问题维度转换, 以此避免造成的维数灾难问题, 造成线性判别函数, 对各个样本进行分类[7]。
OAA策略对当前待分类数据的分类是相对独立。待分类数据在分类前, 与每个支持向量机存在关系, 可以再错过正确分类后仍然被接受。因此判决规则是, 在取其输出值最大时, 处于该支持向量机位置时的相匹配类。
基于OAA模型的支持向量机可以通过分类器得到了理想的分类识别效果。
4 实验结果与分析
实验采用著名的Blank样本集[8], 和自拍的测试视频样本。实验的软件条件为Windows 7, Visual C++6.0, Open CV 1.0和MATLAB R2008b, 硬件条件为Intel Core Duo i7-2.3GHZ, 4GBDDR3的计算机。
(1) 基于Meanshift与Kalman滤波的跟踪算法性能检测
通过分帧的方式共提取到1000帧视频图像, 图像大小为240 x320像素。为了验证跟踪算法的鲁棒性与准确性, 实验对比了基于Kalman滤波的跟踪算法、基于Meanshift算法的跟踪算法和基于Meanshift与Kalman滤波的跟踪算法的三种跟踪方法, 统计每一帧视频图像的跟踪结果。测试结果如表1所示。
实验结果表明, 基于Meanshift与Kalman滤波的跟踪算法的跟踪准确率较高。
为了验证本算法在人体快速移动时的有效性, 对基于Meanshift与Kalman滤波的跟踪算法轨迹与Meanshift算法轨迹进行对比, 测试结果如图2所示。
实验结果表明, 改进算法与目标实际运动轨迹拟合度高, 受人体快速移动影响小, 跟踪效果更好
(2) 特征提取算法性能检测
检测提出的肢体与区域融合的人体特征提取算法性能, 对两种原算法与改进后的算法进行检测实验, 对实验结果进行对比, 实验结果如表2所示。
实验结果表明, 改进后的算法检测率高, 实时性好。
(3) 分类识别算法性能检测
检测提出的基于OAA模型的支持向量机分类识别算法性能, 对走、跑、左、跳等动作进行识别检测。实验结果如表3所示。
实验结果表明, 该分类算法对形状信息的特征变量分类效果好, 准确率较高。
5 结束语
提出了一种基于监控系统的人体行为识别方法, 对跟踪定位、特征提取、行为识别分类进行了重点研究, 运用基于Meanshift和Kalman滤波的跟踪算法、肢体角度特征与区域面积特征融合的特征提取算法、基于OAA模型的支持向量机分类识别算法对运动人体进行行为识别。仿真实验表明, 此方法实时性好, 鲁棒性高。结合现有技术, 如何更加快速、高效的对人体进行行为识别将成为下一步研究的重点。
摘要：针对传统行为识别技术实时性、鲁棒性较差等问题, 提出了一种高效鲁棒性的人体行为识别算法。通过基于Meanshift和Kalman滤波相结合的跟踪算法来跟踪定位人体目标;利用肢体特征和区域特征来提取运动特征;利用基于OAA的支持向量机分类识别。仿真实验表明, 该算法实时性好、鲁棒性高, 能有效应用于监控系统中。
关键词：行为识别,目标跟踪,特征提取,监控系统
参考文献
[1]E.Montseny, J.Frau.Computer vision:specialized processors for real-time image analysis[C].Proceedings of the Workshop proceedings, Barcelona, Spain, September 1991.
[2]阮涛涛, 姚明海, 瞿心昱等.基于视觉的人体运动分析综述[J].计算机系统应用, 2010, 20 (2) :245-253.
[3]汤中泽, 张春燕, 申传家.帧差法和Meanshift相结合的运动目标自动检测与跟踪[J].科学技术与工程.2010, 35 (3) :409-413.
[4]Ting Y, Yiqing X.Ultrasound image segmentation based on the Meanshift and graph cuts theory[J].Research Journal of Applied Science, Engineering and Technology.2013, 5 (7) :2458-2465.
[5]Ning J D, Zhang L, Wu C.Robust meanshift tracking with corrected background-weighed histogram[J].Computer Video, IET, 2012, 6 (1) :62-69.
[6]Ghadam R, Shafai B.Transformed unscented kalman filter[J].Automatic Control, IEEE Transactions, 2013, 58 (1) :252-257.
[7]李英杰, 尹怡欣, 邓飞.一种有效的行为识别视频特征[J].计算机应用, 2011, 31 (2) :406-419.
行为识别系统 第7篇
关键词：人脸识别,报警,监控,KINECT
1 引言
目前各大银行投入使用了大量的自动柜员机 (ATM) , 如此众多的投入使用不但方便了用户, 而且也极大地减轻了银行存储业务的工作量, 提高了工作效率, 但是在使用过程中也暴露出一系列的问题:例如, ATM被被蓄意破坏, 不法份子企图将ATM机作为新型的作案工具, 因而不时发生用户遭受财物损失的事件。因此, 银行在ATM监控系统中增加视频监控, 但在刑事犯罪中, 嫌疑人在抢劫受害人的银行卡和现金时, 戴着帽子、口罩或太阳镜, 我们不能获得清晰的画面与识别面部特征。此外, 目前的监测系统虽然记录ATM的犯罪纪录, 但不能防止犯罪的发生[1]。
2 系统原理分析
针对上面的不安全因素, 我们需要智能系统, 自动监控并给予适当的警告实时反馈。在这个项目中, 我们需要设计了ATM机监控的实时系统。它可以检测人的异常行为, 偷看的行为和那些防止被发现的面孔。例如戴帽子, 围巾, 太阳镜等隐藏脸, 在ATM房间花费太多时间被视为异常行为。利用Kinect感知设备跟踪在ATM房间里所有的人, 并计算其位置关系, 从而提供一个更有效的方法来分析人类的行为。当系统检测到这些异常行为, 它给客户和监控中心工作人员报警, 并帮助警方找到嫌疑人。系统整个工作过程如图1, 实现了分布式的操作管理, 不依赖特定的环境。此系统通过视频监控机也就是采用Xbox 360视频游戏机对当前ATM的操作人进行实时的收集操作人信息, 通过网路传输到监控中心, 监控中心对发来的数据信息与原有的参数设置进行比对从而做出判断, 同时对异常信息进行相应的反馈, 对无效数据进行丢弃[2]。
下面介绍视频监控机的技术实现 (如图2) , KINECT是一个由微软的动作感应输入装置Xbox 360视频游戏机和Windows PC。通过利用KINECT和KinectSDK2, 系统可以很容易跟踪在自动柜员机前面的人, 并获得他们的深度信息。深度图的大小是320×240像素。每个像素代表笛卡尔的距离, 以毫米为单位, 从相机平面, 特别是在最近的对象X和Y坐标, 如下图2所示。像素值0表示该传感器没有发现任何物体内其在该位置的范围。在图2中, 椭圆和菱形能够代表两个人在自动柜员机前。他们在Z轴方向的距离可以去其深度值计算。为了获得他们在X方向的距离, 我们进行实验得到回归函数f (z) 描述的真实长度, 其中f (z) 上的像素的深度z取决于每个像素。然后两个人距离可以近似得到, 它预计分别为垂直和水平方向上。我们可以从垂直投影直方图, 获得人脸的宽度, 而水平投影直方图可以判断闭塞的位置[3]。
通过对直方图的分析进行与原有设置的参数对比可得出操作人的面部是否有遮挡物, 从而做出判断是否提醒操作人。而通过对f (z) 上的像素的深度z进行分析与原有的参数值进行判断得出是否有人靠近操作人, 从而判断是否做出提示或报警。
3 系统设计流程
Xbox 360视频游戏机始终处于工作状态, Xbox360视频实时想视频监控中心传输数据信息, 当检测所发给监控中心的数据产生异常时, 当前监控中心迅速做出相应并将信息传输给相应的发声装置进行报警或者提示。当系统真正开始工作时, 具体工作流程 (如图3) 。
开始, 系统进入预录状态, 也就是系统在一定时间段内一直在摄像, 摄像内容暂时保存在内存中, 只有当有特定事件发生时才将摄像内容保存到硬盘中, 一旦在预录状态下有事件发生, 系统立即将预录的信息保存到硬盘中, 通过预录可以保证事件过程的完整性。如果在预录状态下没有事件发生, 则先前的预录信息将被丢弃。包括两步:1、触发事件, 首先进行相应的判断是从无人到有人还是他人闯入, 若他人闯入则进行报警提示并对录像进行保存。2、无人到有人, 则对靠近人进行人脸扫描, 扫描结果与参数设置进行比对, 若有遮挡物则提示操作人, 若无遮挡物, 则一直处于扫描比对状态直至操作人离开。最终Xbox 360视频游戏机处于预录状态直至下次事件被触发。
4 系统实现
为了实现与ATM的完全隔离, 本系统采用微软的KINECT, 从而摆脱了对ATM的依赖。
4.1 视频采集
Kinect可以直接获取物体与摄像头之间的距离, 采用了Light Coding技术作为Kinect体感设备的深度摄像功能的基础。Light Coding技术理论是利用连续光 (近红外线) 对测量空间进行编码, 经感应器读取编码的光线, 交由晶片运算进行解码后, 产生一张具有深度的图像。Light Coding技术说到底还是结构光技术, 但与传统的结构光方法不同的是, 他的光源打出去的并不是一副周期性变化的二维的图像编码, 而是一个具有三维纵深的“体编码”。这种光源叫做激光散斑 (laser speckle) , 是当激光照射到粗糙物体或穿透毛玻璃后形成的随机衍射斑点。这些散斑具有高度的随机性, 而且会随着距离的不同变换图案, 空间中任何两处的散斑都会是不同的图案, 等于是将整个空间加上了标记, 所以任何物体进入该空间以及移动时, 都可确切记录物体的位置。并通过网络对所采集的信息向监控中心实时传输。
4.2 数据信息处理
通过视频监控传输的信息, 根据监控中心设置的参数进行对比, 例如两人的距离 (p.x=0.9) 时小于参数设置的p.s=1, 则返回一个相应的flg=-1;随后启动相应的程序设置通过发声装置提示操作人“有人靠近”, 以此提醒操作人注意周围的环境[4]。
4.3 存储
为了减小对内存已经硬盘的使用率, 尽量延长使用的时间而仅对异常信息进行存储, 同时内存中只保存极短时间的预录信息。
4.4 系统管理
每一个监控中心对应相应的区域或者相应的ATM, 实现分布式管理以及形成一一对应关系, 能够及时迅速的采取相应措施。以及当有异常情况发生时能够快速定位并且提醒操作人, 并且对相应异常信息进行及时保存以备查证。同时本系统能够24小时不间断工作, 且不与ATM本身与任何交集, 保持了该系统的健壮性以及独立性使其更加的稳定。
5 小结
ATM异常行为识别系统对于现在的ATM不安全因素起到的作用是不言而语的, 它不仅对于异常信息进行保存外, 它还具有提醒当事人的作用。当然本系统在实际运用中还存在许多问题, 为了更好的商品化, 还需进一步的探讨与研究。
参考文献
[1]M.Yi.Abnormal Event Detection Method for ATM Video and Its Application.CESM2011, 2011.
[2]Samir Palnitkar.Verilog HDL:A Guide to Digital Design and Synthesis.Second Edition[M].Prentice Hall PTR.2004.
[3]夏宇闻.复杂数字电路与系统的Verilog HDL设计技术[M].北京:北京航空航天大学出版社, 1998.
会计报表粉饰行为的识别与治理 第8篇
1.异常利润剔除法。
异常利润剔除法是指将其他业务利润、投资收益、补贴收入、营业外收入从企业的利润总额中剔除, 以分析和评价企业利润来源的稳定性。当企业利用资产重组调节利润时, 所产生的利润主要通过这些科目体现, 此时, 运用异常利润剔除法识别会计报表粉饰将特别有效。
2. 关联交易剔除法。
关联交易剔除法是指将来自关联企业的营业收入和利润总额予以剔除, 分析某一特定企业的盈利能力依赖于关联企业的程度, 以判断这一企业的盈利基础是否扎实、利润来源是否稳定。如果企业的营业收入和利润主要来源于关联企业, 会计信息使用者就应当特别关注关联交易的定价政策, 分析企业是否以不等价交换的方式与关联企业发生交易进行会计报表粉饰。
3. 不良资产剔除法。
不良资产剔除法的运用, 一是将不良资产总额与净资产比较, 如果不良资产总额接近或超过净资产, 既说明企业的持续经营能力可能有问题, 也可能表明企业在过去几年因人为夸大利润而形成“资产泡沫”;二是将当期不良资产的增加额和增减幅度与当期的利润总额和利润增加幅度比较, 如果不良资产的增加额及增加幅度超过利润总额的增加额及增加幅度, 说明企业当期的利润表有“水分”。
4. 现金流量分析法。
现金流量分析法是指将经营活动产生的现金净流量、投资活动产生的现金净流量、现金净流量分别与主营业务利润、投资收益和净利润进行比较分析, 以判断企业的主营业务利润、投资收益和净利润的质量。企业的现金流量来源于经营活动、投资活动和筹资活动三个方面。只有良好的经营活动现金流入量才能为企业的持续稳定发展提供坚实基础, 使企业保持良好的财务状况。
报表使用者可通过“经营活动现金流量比例”分析公司现金流量状况:经营活动现金流量比例= (存货减少+经营性应收项目减少+经营性应付项目增加) /经营活动产生的现金流量净额。
如果企业营业现金流量主要来源于主营业务收入收现能力的提高, 说明现金流量质量较好;反之, 由于存货、经营性应收项目和经营性应付项目等对现金流量贡献有限, 而且容易遭受管理当局的人为操控, 如果营业活动现金流量主要得益于存货、经营性应收项目和经营性应付项目的贡献, 即该比例过高, 企业现金流量质量应当引起投资者的警惕。
二、防范会计报表粉饰行为的几点建议
1.进一步规范财经法规的建设。
会计准则的制定和规划, 应具有超前性, 对未来经济行为的会计环境变化有较科学的分析和预测, 尽量避免会计处理中“无法可依”现象出现。还可以参照国际会计惯例的发展趋势, 尽量减少会计准则中可选择的会计程序和会计方法, 以缩小会计选择的范围, 降低因会计程序和方法的多种选择性而造成的会计报表粉饰的问题。
2.逐步规范会计核算机制。
规范的会计核算机制的建立, 将有助于会计核算的正规, 有助于抑制会计报表的粉饰。会计核算机制不仅包括会计准则和会计制度的制定, 更应包括会计准则和会计制度的执行。目前应在贯彻执行方面下功夫, 建立以内部监督体制为主体、外部监督为补充, 而外部监督中应以社会监督为主体, 政府监督为补充的会计监督体制。同时, 应按会计规范化的要求建立严密、完善的企业内部控制制度, 来保证会计报表的真实可靠。在外部监督机制上, 主要是国家财政、税务、审计等部门必须按照法律和有关规定认真履行职责。
3.加大处罚力度, 降低经营者的预期风险收益。
经营者进行会计报表的粉饰不仅要承担声誉损失成本, 还要损失物质成本。根据经营者“有限理性的经济”和“追求效益最大化”的经济假设, 其行为必定遵循成本效益原则。获得风险收益是经营者粉饰会计报表的主要目的。本文认为, 使经营者的风险成本大于其风险收益, 是一种在物质上有效防止经营者提供粉饰过的会计报表的方法。这便要求加大社会监督力度, 提高审计质量, 从而增加经营者造假受罚的风险, 同时加大处罚力度以求降低经营者的预期风险收益。
4.加强会计人员职业道德水平建设, 不断提升从业人员整体素质。
作为一个会计人员, 不仅工作在会计领域, 也生活在社会大环境中, 其职业道德不可避免地要受到社会各种不良因素的影响和干扰。在一个社会意识淡薄, 公共意识低下, 自我中心突出的社会环境下, 不可能营造出高品位的会计职业道德。净化环境, 不仅要靠会计界的努力, 而且依托于社会各个方面的协调, 尤其是应与法律以及其他经济行业的职业道德建设同步, 才能建设好会计职业道德。面对当前环境, “出污泥而不染”应成为会计界的一种高尚追求, 来赢得社会对会计职业的信赖。
5. 条件合适的前提下推行会计委派制。
会计委派是指委托人通过向企业委派会计人员, 以改变原有会计人员管理体制下企业经营者能轻易粉饰会计报表的弊端, 委派的会计人员能站在委托人以及社会公众的立场上公正客观地处理会计事务。从目前来看, 这一制度不失为一种有效的监督措施, 在一定程度上减少了会计报表的粉饰。但它也具有局限性, 比如在分别拥有独立法人财产权的母子公司之间实行会计委派制, 会影响企业的理财自主权, 不符合现代企业制度两权分离的基本要求, 同时也弱化了会计人员的理财能动性。因此, 要有选择地委派会计人员。
6. 加强注册会计师的管理, 全面提高审计质量。
基于多镜头的视频行为识别方法 第9篇
基于视频的行为识别及人脸表情识别等问题是目前视频信号处理研究的前沿课题,项目的实施需要涉及到视频信号处理的各方面技术,包括去噪、编解码等基础问题,项目的研究必然推动视频信号处理理论和技术的发展。随着理论问题的突破,视频监控的应用也可以推广到更多的场景。
1 基于多摄像机的目标提取与跟踪
人体的跟踪研究还很缺乏,身体姿势和运动在单一视角下由于遮挡或深度影响而容易产生歧义现象,因此使用多摄像机进行人体姿势跟踪和恢复的优点是很明显的。同时,多摄像机的使用不仅可以扩大监视的有效范围,而且可以提供多个不同的方向视角以用于解决遮挡问题。很明显,未来的人运动分析系统将极大受益于多摄像机的使用。对于多摄像机跟踪系统而言,我们需要确定在每个时刻使用哪一个摄像机或哪一幅图像。也就是说,多摄像机之间的选择和信息融合是一个比较关键的问题。
1.1 基于背景融合的多镜头运动融合方法
由于拍摄角度不同,同一事物的运动在不同镜头中表现可能完全不同。根据摄像机方向一致且拍摄范围高度重合的特点,本文提出基于背景融合的多镜头运动融合方法。背景合成方法可以对场景内的事物进行协同处理,避免对同一事物重复计算,简化系统运行过程中的坐标变换过程。假定各相邻摄像机的摄像距离和角度相同,则可以使用使用以下公式判定和求解背景重叠:
其中F1,F2分别为两个摄像机在同一时刻拍摄到的图像,Ω,Ψ分别是两幅图像的子区域。D(F1,F2)越大,则两个图像的重叠区域越大。其中重叠区域则可以通过最小化来判定。
图1中,红、黄、绿、蓝四个方框代表四个摄像机的可视区域,背景融合则是将这四个区域合成为一个整体。
1.2 人体提取技术方案
为获得视频中完整的人体图像,本项目拟采用背景差分的方式提取人体。首先通过时空联合进行去噪,同时消除闪光和抖动,然后使用中值滤波联合运动分析进行动态背景建模,最后利用背景差结合运动跟踪情况获得视频中的人体图像。
监控系统中由于连续采集的需要,视频信号的质量较差,尤其在银行这样的室内环境中,由于光线不足,采集受空气扰动影响较大,视频中噪声污染较为严重。噪声不仅影响视频的视觉效果,而且严重影响视频对象分割与识别的准确率。传统的去噪方法主要是在图像内进行的,如高斯滤波器、维纳滤波器、中值滤波器、频域滤波和小波域去噪等,都是利用图像的空域相关性进行平滑处理。但空域相关性并不能完全区分视频信号与噪声信号,图像边缘和细节的空域相关性较弱,而污染严重时噪声之间却产生较强空域相关性。这使得空域滤波在去噪时无法避免破坏图像细节,且去噪能力不强。由于视频信号具有连贯性,视频帧间的时域相关性远远大于空域相关性,近年来,人们开始研究时域和时空域联合的视频去噪方法,而单纯的时域滤波忽略了空间相关性,虽然在信噪比等参数上有所提高,但视觉效果不佳,所以时空联合成为视频去噪的主要发展方向。时空联合去噪方法比以往的各种方法更能保护图像细节,去除视频噪声能力更强,运算速度较快,视觉效果和峰值信噪比(PSNR)都可以得到有效提升。消除闪光和抖动则可以直接采用现有成熟技术。
运动物体的提取方法主要分帧差法背景差法两类,帧差法获得的物体不完整,背景差法需要有固定背景或动态背景建模,银行内的光线、器具摆放等背景因素都不固定,因此不能使用固定背景的方法,项目拟采用基于中值滤波与运动分析结合的动态背景建模方法。首先通过运动检测与跟踪,获得当前帧中静止区域累积各像素点的颜色直方图,然后通过直方图计算中值作为背景。
通过上述背景建模和背景差应该可以准确地获得当前场景中的运动物体,但项目中需要获得的是完整的人体,因此需要在背景差的基础上滤去一般物件和阴影等非人体因素,并且要能区分出长期停留的人体部分,解决这些问题的主要技术手段有运动跟踪、体积判定、二阶差分等。
1.3 多目标跟踪
目标跟踪的研究历史较长,但多目标跟踪仍是视频分析中的一个研究难题,尤其在本项目中,目标间存在交叉、重合和停留的情况。通过多个目标的运动状态进行跟踪,不仅可以对各目标的行为进行单一分析,也可以帮助对目标的交互行为进行分析,以及对目标的群体行为进行识别。多目标跟踪的主要难题在于各目标之间的重叠,本文通过运动方向不变的假设来解决这一问题,即认为当对象重叠再分开后,由原来运动状态决定。
令两个视频对象的速度分别为v1、v2,加速度分别为a1、a2,重叠后经过t时间段分离,则使用:
分别预测两个对象的位置,然后认定与预测位置相接近的对象为原跟踪对象。
当有多个对象重叠时,将上述方法进一步推广,则可以解决一般多目标跟踪的问题。
2 基于多镜头的行为识别
2.1 人体行为识别
目前人行为理解虽然取得一定的进展,但行为理解研究还只局限于简单、固定视角且已切分好后的动作,对不同动作连续变化的长运动序列的研究比较少,而且鲁棒差,在噪声、亮度和光照变化强烈以及视角变化的复杂环境中正确识别率大大降低。目前的行为识别方法如状态转移的图模型方法和模板匹配方法通常在计算代价和运动识别的准确度之间进行折中,而且都是先训练后使用,只能识别训练中预先定义好的动作,没有自动学习新行为的能力,缺乏考虑场景等背景知识,很难根据目标行为和场景的先验知识进行自动机器学习。例如HMM等方法被看成一个黑盒,它不解释某种行为是什么,只输出一种未知行为与认知的模式行为之间的概率。所以仍需要寻找和开发新技术,以利于在提高行为识别性能的同时,又能有效地降低计算的复杂度。
行为本身具有很强的模糊性,同一行为、事件、状态在不同的场景有着不同的概念,当同一场景中有多个目标出现时其行为模糊性更加明显。所以,如何借助于先进的视觉算法和人工智能等领域的成果,将现有的简单行为识别与理解推广到更为复杂场景下的事件与场景理解,是将计算机视觉低、中层次的处理推向高层抽象思维的关键问题。
使用基于多镜头的行为识别,不仅可以结合多摄像机获得的多角度信息,而且可以通过各角度信息进行结果验证。多镜头为行为识别提供了丰富的识别素材,这也为引入人工智能、机器学习等手段提供了基础。
2.2 基于层次分析的事件判定机制
盗抢案件的发生是双方或多方的事件,案件行为既有行为人整体、群体的表现,也有人体部分运动的表现,基于视频信息判定案件发生既有定量的信息又有定性的信息,使用层次分析方法可以有国地结合各方面的因素。层次分析方法起源于运筹学,目前也有人将它引入网络自动选择等问题,本文首次将它引入事件判定机制,为事件的判定提供了新的思路和方法。
3 结论
由于拍摄角度不同,同一事物的运动在不同镜头中表现可能完全不同。本文在摄像机方向一致的假设前提条件下,依据拍摄范围高度重合的特点,提出基于背景融合的多镜头运动融合方法。背景融合方法可以对场景内的事物进行协同处理,避免对同一事物重复计算,简化系统运行过程中的坐标变换过程。结合多目标跟踪、人体行为识别等技术,本文提出了一套新的高效行为识别方法。
摘要：该文提出一种基于多摄像机信息融合的行为识别方法。新方法使用背景融合的方式融合多镜头的信息,使用背景差分提出人体目标,基于运动惯性定律解决了多目标跟踪的问题,并在行为识别中引入了人工智能和多层次分析等先进的手段。
关键词：行为识别,多镜头,视频监控
参考文献
[1]王亮,胡卫明,谭铁牛.人运动的视觉分析综述[M].计算机学报,2002,25(3):225-237.
[2]李妍婷,罗予频,唐光荣.单目视频中的多视角行为识别方法[M].计算机应用.2006,26(7):1592-1594.
[3]张丽君,吴晓娟,盛赞,等.基于HMM复杂场景下的行为识别方法[M].计算机工程,2008,34(7):212-214.
[4]胡长勃,冯涛,马颂德.基于主元分析法的行为识别[M].中国图象图形学报,2000,5(10):818-821.
[5]凌志刚,赵春晖,梁彦.基于视觉的人行为理解综述[M].计算机应用研究,2008,25(9):2570-2578.
[6]Kittler J,Ballettem,Christmasw J,etal.Fusion of multiple cue detectors for automatic sports video annotation[M].Workshop on Structura,Syntactic and Statistical Pattern Recognition.2002:597-606.
企业财务舞弊行为的识别和治理研究 第10篇
财务舞弊的定义有很多种, 在不同的背景下对财务舞弊的理解也不同, 因此对于财务舞弊这一概念的表述也有很多种。
全美反舞弊委员会对于财务舞弊的定义则是描述性的:舞弊是一种故意的或轻率的行为, 无论是虚报还是漏列, 其结果是导致重大的误导性财务报告。
Elliott and Jacobson在1986年提出的定义:通过重大误导的财务报告并可能损害投资者和贷款人的一种故意的管理舞弊。
Howard在1999年提出的定义:财务舞弊是系统性的操纵。
叶雪芳2001年指出:管理层舞弊和欺诈是公司或企业高级管理人员故意错报、漏报财务报告的行为, 即披露了欺诈性的财务报告。
罗同链2005年指出:财务舞弊是管理当局处于某种目的和动机, 采用相应的手段, 导致包括虚报、漏报或不恰当表述的财务报告。
二、财务舞弊的识别
1. 通过财务指标识别
(1) 获利水平明显高于同行业的平均水平。市场是无形的手, 市场会自动调节资源的配置。如果一个行业的利润很高, 那么会有更多的新进入者进入这个行业, 重新瓜分市场参与竞争, 最终使行业趋于成熟。对于一些拥有核心竞争力的企业, 虽然在短期内可以实现高水平的盈利, 是随着行业的进一步发展, 盈利水平也会区域同行业的平均水平, 因此, 如果一个企业的盈利水平长期的高于同行业的平均水平, 那么这个企业很可能存在舞弊行为。通过观察企业的获利能力并将其与同行业的企业相比较, 是识别财务舞弊的重要方法。
(2) 收入的增加与费用的增加不成比例。企业销售商品涉及许多的业务活动, 而这些业务活动的开展都会产生一定费用。企业取得的销售收入越多, 产生的相关费用就会越多, 所以, 在企业的实际生产经营中, 收入与费用是存在一定的对应关系的, 如果一家企业的经营业绩不断的增长而相应的费用没有随之增长或者经营业绩保持良好但是费用却大幅度的下降, 这就表明企业可能采取了某些特殊的手法粉饰了财务报表。
(3) 通过观察现金流量识别财务舞弊。对于一个健康经营的企业, 其现金流量与净收益的相互变化是稳定的, 通常情况下, 经营现金流量要大于净收益, 如果一个公司的经营现金流量前期大于净收益而后期的增长大幅度落后与净收益的增长, 甚至出现了大大小于净收益的情形, 则表明该公司很可能存在舞弊迹象。这种极端的变化很可能是企业采用关联交易、非货币性交换以及债务重组等手段从而增加了利润。
2. 通过经营情况识别
(1) 仔细阅读财务报表附注中的信息。如果企业在报告期内签订的重大合同属于关联方交易则很可能是企业的持续经营能力出现了危机, 管理层希望通过关联方交易来掩盖现状使信息使用者产生误解。同时财务报表附注中会披露出公司的或有事项以及资产负债表日后事项, 这些事项很可能对企业的未来持续经营能力产生致命性的影响。例如一家企业的董事高管人员在某一时间段悄悄的出售其持有的本公司的股票, 则可能表明该企业的经营情况正在发生剧烈的变化, 管理层是最能够了解企业经营信息的, 抛售本公司的股票证明他们对本公司的发展没有信心, 世界通信在宣布破产前, 其高管人员就大量的出售了他们手中持有的世界通信的股票, 这表明他们已然知晓世界通信即将死亡的信息。
(2) 警惕公司的迅速扩张。企业追求增长, 而增长有很多定义。例如, 利润和市场份额的增长。每一种增长都有着不同的战略发展方法, 主要有内部发展和并购战略。
内部发展也可以称为内生增长, 是指企业利用自身的规模和利润等内部资源来实现扩张。当企业在具有良好的发展前景的市场中经营时, 可以通过利用现有产品和市场实现内部发展。
与内部发展相对应的就是并购, 并购是指两家或两家以上的企业合并, 结果是一家企业继续存在或组成一家全新的企业。但是, 迅速并购的背后往往有许多不可告人的秘密, 企业利用收购的机会把亏损隐瞒到残余时期。
三、财务舞弊行为的防范和治理
1. 完善公司内部管理机制
(1) 职责划分避免不相容身份重叠。如果一项交易或事项的多种活动被一人承担, 那么出现舞弊的现象就会很大。因此, 公司应对这种可能出现的状况进行预测并防止这种行为的发生。公司应当将交易活动的责任分配给不同的两个或者两个以上人员身上以避免身份的重叠。例如, 董事会主席与首席执行官的职责要分离。负责现金出纳和记录交易的会计人员, 企业应当有不同的分工。进行材料采购时, 询价的职责不能与确定供应商的职责重合等等。大多数的交易可分为三类独立的职责:发起交易、处理被交易的资产以及记录交易。企业可以通过这样的分工来降低舞弊的风险。
(2) 避免股东或高管人员滥用职权。财务舞弊形成的一个很重要的原因是因为管理层能够有机会凌驾于内部控制之上, 即股东及高管人员有机会滥用职权。为了避免这种现象, 应该对控股股东的表决权适当限制, 这种限制可以有效防止控股股东滥用合法权利并保护其合法利益。另一方面, 企业还应当完善监事会制度, 对监事的任职资格、任命程序、人员构成等作出明确的规定, 防止经理或者董事会直接委任监事行为的发生, 使其能够更好的发挥监督的职能。
(3) 加强审计委员会的监察力度。审计委员会是董事会下辖的委员会, 全部由独立董事、非执行董事组成的。审计委员会的作用是监测, 评估和审查企业各个部门和系统。就财务方面内部控制而言, 审计委员会应当复核企业的内部财务控制。审计委员会能否履行自己的职责直接影响财务舞弊行为的防范和治理效果。
2. 完善公司外部治理机制
(1) 会计准则, 增强信息的透明度。若想要治理会计信息失真的现象, 首先要从源头着手, 即关注那些能够影响会计信息生成、影响会计信息质量的标准。为了提高会计信息的质量需要通过改善会计信息生成的标准和技术层面的完善。
目前, 会计信息失真的高病发率, 使得大部分上市公司都不同程度的存在不规则的盈余管理和非法盈利操纵。尤其是我国, 资本市场只是处于初级阶段, 会计师和审计师等相关从业人员的整体素质不高, 这就更加需要完善相关的会计准则和制度规范, 加强会计信息的真实可靠性。制定和完善会计准则应当考虑以下几个方面:为了保证和提高会计信息的可靠性就必须立足于制定准则的目的;必须考虑具体的制度背景, 如资本市场的信息披露制度、从业人员的职业道德和执业水平等因素;必须结合具体的经济环境。不同的经济环境会产生不同的交易和事项, 从而对会计准则提出不同的要求。
(2) 公司治理的法律法规。法律法规的不完善常常会给舞弊者创造很多渠道, 让财务舞弊者畅通无阻。因此, 制定严密的公司管理方面的法律法规很重要。第一, 要加强会计法律法规的建设。尽管近些年我国法制建设的步伐在逐渐加快, 会计法规也不断修改, 但在惩治方面的条款条例不够严格。第二, 要把公司法和证券法修改的更加完善。
(3) 外部监管机构的监管职能。对上市公司监管力度的加强主要表现在两个方面: (1) 加强证券监督委员会的监督作用。作为监督者和利益保护者, 证券监督委员会应在治理财务舞弊中发挥重要作用。因此, 应从以下两方面加强。一方面要严格执行上市公司的入门要求;另一方面对于严重欺诈行为的公司应给与严厉的惩罚。 (2) 在外部审计方面引进同业互查制度, 提高审计质量。证监会也可以部署统一的会计公司, 实施跨地区互换, 定期轮换制度, 以防止被审计单位和注册会计师的共同诈骗。
摘要：会计目标是为信息使用者提供会计信息, 帮助信息使用者做出合理的决策, 然而财务舞弊行为使得会计信息变得不可靠, 企业及管理层通过提前或延迟确认收入、将正常的营业费用资本化以及滥用会计政策会计估计等手段, 操纵财务报表以达到公司及其管理层预期的目标或市场预期。如何有效识别财务舞弊以及如何治理财务舞弊行为, 对会计信息使用者来说非常重要。通过研究发现, 财务结构, 财务比例, 盈利质量及关联交易等指标对识别财务舞弊行为至关重要。因此, 要充分识别财务舞弊行为, 从而找出相应的治理措施。
关键词：财务舞弊,会计信息,收入,费用
参考文献
[1]财政部.中国注册会计师执业准则.2010.
[2]Gaze Szurovy.The Guide to Understanding Financial Statement.科文 (香港) 出版有限公司, 2011.
[3]葛家澍.会计数字游戏:美国十大财务舞弊案例剖析相关[M].中国财政部出版社.2003.
[4]毕晓蓉.财务报表舞弊相关问题的研究.经济研究导刊.2009, (7) .