风险驾驶行为识别及干预研究综述
龙源期刊网 https://www.360docs.net/doc/cb8685249.html,
风险驾驶行为识别及干预研究综述
作者：李艳刘文超尤志栋
来源：《汽车与安全》2020年第03期
摘要：驾驶人的风险行为已成为交通事故的主要致因。识别风险驾驶行为并进行干预对提高道路交通安全水平具有重要意义，因此本文从风险驾驶行为识别、干预方法以及干预效果评估三方面对国内外研究进行综述。通过车载数据记录设备或智能手机进行数据采集，基于规则或机器学习算法识别风险行为，基于规则的识别方法简单易理解，但各研究中设定的阈值并不一致，机器学习算法的识别效果相对更优。行为干预分为非实时干预和实时干预两种，其中非实时干预包括安全教育和奖惩手段，部分研究采取两种组合的干预方案。研究表明，两种干预方式均对减少风险驾驶行为或降低危险事件率有一定的效果，但效果的大小、持续性有所不同。此外，不同干预方法效果不同，同样的干预方法对不同的驾驶人、风险行为的干预效果也存在差异。
关键词：驾驶行为；行为数据采集；风险行为识别；行为干预；效果评估
Review of risk driving behaviorsidentification and intervention
LI Yan1， LIU Wenchao1， YOU Zhidong2
（1.Beijing Xiaoju Technology Co.， Ltd.， Beijing 100193，China； 2. The Key Laboratory of Ministry of Public Security of Road Traffic Safety， Wuxi 214151，China）
Abstract： The risk behavior of drivers has become the main cause of traffic accidents. Identifying and intervening risky driving behaviors are of great significance for improving road traffic safety. This paper reviews the research at home and abroad in terms of risk driving behavior identification， intervention methods， and intervention effectsevaluation. Data is collected through in-vehicle data recorder or smartphones， and risk behaviors are identified based on rules or machine learning algorithms. Rulesbased identification methods are simple and easy to interpret， but the thresholds set in various studies are not consistent， and the recognition effect of machine learning algorithms is relatively more excellent. Behavioral intervention is divided into non-realtime intervention and real-time intervention. Among them， non-real-time intervention includes safety education and reward and punishment methods. Some studies have adopted two combined intervention schemes. Studies have shown that both interventions have certain effects on reducing risky driving behavior or reducing the rate of safety related incidents， but the magnitude and persistence of the effects are different. In addition， different intervention methods have different effects， and the same intervention methods have different effects on different drivers and risk behaviors.
基于骨骼数据的人体行为识别
基于骨骼数据的人体行为识别 摘要 人体动作姿态识别是计算机视觉研究领域中最具挑战的研究方向，是当前的研究热点。对人体动作姿态进行自动识别将带来一种全新的交互方式，通过身体语言即人体的姿态和动作来传达用户的意思，如在机场、工厂等喧闹的环境下，采用手势、动作姿态识别等人机交互技术能够提供比语音识别更加准确的信息输入。总之，在智能监控、虚拟现实、感知用户接口以及基于内容的视频检索等领域，人体动作姿态的识别均具有广泛的应用前景。该文首先简单介绍了人体动作姿态序列的分割，然后对人体动作姿态识别的方法进行了分类介绍，并对一些典型的算法的研究进展情况及其优缺点进行了重点介绍。 关键词：人体动作姿态识别; 人工智能; 隐马尔可夫模型; 动态贝叶斯网络; 模板匹配前言 人体姿态识别是计算机视觉的一个重要研究方向，它最终目的是输出人的整体或者局部肢体的结构参数，如人体轮廓、头部的位置与朝向、人体关节点的位置或者部位类别。姿态识别的研究方法应该说，几乎涵盖了计算机视觉领域所有理论与技术，像模式识别、机器学习、人工智能、图像图形、统计学等。到目前为止，已经有众多识别方法被提出，并且也取得了许多重要的阶段性的研究成果，但是以往的方法都是基于普通光学图像，比如常见的RGB 图像，这类图像容易受光照、阴影等外界变化的影响，尤其在环境黑暗的情况下无法来识别人体姿态，并且由于人体关节自由度大，及人的体型、着装较大差异性，常导致姿态识别系统识别率低。尽管有研究者利用多个摄像机获取采集的图像来获取人体深度信息以克服以上问题[1]，但是该类方法恢复的深度信息不是唯一的，而且计算量非常大，尤其是这种方法要求事先用人工对传感设备进行标定，而在选取场景中的标定物时，往往又会遇到实际环境操作困难的问题。 随着光电技术的快速发展，深度传感设备的成本逐渐降低，人们获取深图像的途径及方法也越来越多。该方向的研究也逐渐成为计算机视觉领域的研究趋势。具体原因包括：一方面，深度传感设备不仅操作简单，并且极大简化了普通摄像机的标定过程；另一方面，得到的深度图像由于直接包含了人体的深度信息，能够有效的克服普通光学图像遇到的上述问题。到目前为止，较有影响力的基于该类图像的人体姿态识别算法，应该是 Shotton 等人利用一种深度传感器 Kinect 来实时捕捉人体运动的算法，该算法虽然能够满足人们对识别系统实时性的要求，但其对硬件要求特别高，并且不适合低分辨率图像中的人体关节点提取，容易导致人体骨架扭曲。下文将具体陈述人体运动分析的主要用途和前人在不同时期对这些难题的处理办法。 主题 基于计算机视觉的人体运动分析不仅在智能监控、人机交互、虚拟现实和基于内容的视频检索等方面有着广泛的应用前景，更是成为了未来研究的前瞻性方向之一。Gavrila 总结了它的一些主要应用领域[2,3,4]，下面据此对其典型应用做出进一步的介绍。 智能监控(Smart Surveillance) 所谓“智能监控”是指监控系统能够监视一定场景中人的活动，并对其行为行分析和识别，跟踪其中的可疑行为(例如在一些重要地点经常徘徊或者人流密集的场合下突发的人群拥挤等状况)从而采取相应的报警措施。智能监控系统应用最多的场合来自于那些对安全
3儿童亲社会行为研究综述
现代 交际 57金雪莲 张丽红 （吉林医药学院人文社科部 吉林 吉林 132013） ［摘要］儿童在社会交往中所表现出来的谦让、帮助、合作和共享等有利于他人和社会的行为即为 亲社会行为。儿童亲社会行为的养成受着外在因素的影响。本文分别对亲社会行为的国内外研究进行了综述。 ［关键词］儿童 亲社会行为 合作 ［中图分类号］Q98 ［文献标识码］A ［文章编号］1009-5349（2010）11－0057－02 儿童亲社会行为研究综述 一、对于亲社会行为涵义的理解 亲社会行为(prosocial behavior)是个体社会化过程中的重要行为，对个体的社会性发展及社会适应具有重要的作用。有关亲社会行为研究始于20世纪二三十年代，到70年代出现实证研究，主要围绕合作、分享、助人、捐献等亲社会行为展开。 1972年，美国学者威斯伯在其《社会积极形式考察》一文中首次提出“亲社会行为”这一概念，他用这一词来代表所有的与侵犯等否定性行为相对立的行为，如同情、慈善、分享、协助、捐款、救灾和自我牺牲等。 此后，对于亲社会行为理解，不同心理学家，从各自的角度，给出了不同的解释，例如：亲社会行为是由那些对行为者无明显利益，但对接受者有益的反应组成（美国《心理学百科全书》）；亲社会行为是那些任何以有益他人为目标的行为(Aronson，2004)；亲社会行为包括任何帮助他人或目的是帮助他人的行为，不论助人者的动机如何(Taylor,2004)。 我国对于亲社会行为的研究是在20世纪80年代中后期。虽然起步较晚，但发展速度较快，已经取得了大量的学术成果。我国心理学学者对于亲社会行为涵义的理解也有着各自的见解：周宗奎认为亲社会行为一般与援助行为、积极性社会行为和利他主义在同样意义上使用，指个体帮助或打算帮助其他个体或群体的行为或趋向(1987)；白利刚认为亲社会行为是指一切有益于他人的行为(1997)；俞国良认为亲社会行为是指对行为者本身并无明显好处，而给行为的受体带来利益的行为(1999)。 儿童亲社会行为是指儿童在社会交往中所表现出来的谦让、帮助、合作和共享等有利于他人和社会的行为。 二、国外关于亲社会行为研究的现状 （一）研究变量更多更广，为更加准确地解释和预测亲社会行为的发生、发展，提供了更为充分的依据 例如，Knight等人考察了影响6～9岁儿童捐助行为倾向的心理因素。他们发现一些变量，诸如移情(同情心)、情感推理和对金钱的认知等，单独的这些变量与捐助行为之间的相关很低，但同时考察这些变量发现，可以对亲社会行为进行预测。日本近几年对亲社会行为的研究，也多集中在情绪认知、移情、自我等个体内在因素对亲社会行为的影响。 （二）统计方法逐步发展，更关注自然情境中所表现出的亲社会行为 例如日本学者运用录像技术较系统的研究了从幼儿到初中学生班级内自发的亲社会行为，结果显示，幼儿为每小时2.85次、小学五年级学生每小时1.38次，小学五年级学生自发的亲社会出现率多于初中二年级，证实亲社会行为出现率 并不随年龄的增长而增加。 （三）关注亲社会行为过程中社会信息加工过程与模式的作用 例如，Nelson和Crick(1999)最早对儿童亲社会行为进行了SIP模型的实证研究，发现亲社会儿童的确存在独有的SIP模式：友善的归因倾向而非敌意的归因倾向；关系性目标定向而非工具性目标定向；对亲社会行为反应做积极评价而对攻击性反应做消极评价。 （四）跨文化研究逐步发展 比如美国跨文化的研究显示，来自于非工业化社会的儿童往往有更多的利他行为，过于强调竞争和个人目标而非群体目标的西方社会儿童的利他测验分数比较低；随着年龄的增长，越来越多的中国儿童对从亲社会行为中赢得表扬持冷淡态度，他们把否认自己所做的好事看作是更加积极的行为，这是中国文化强调谦逊和虚心的结果，而相比之下，加拿大的儿童认为爽快的承认自己做的好事是应该的。Stewart与Sunita等人(2000)通过对西方和亚洲小学2年级的儿童进行跨文化研究，发现父母教养方式可以训练和强化儿童对他人的关注，并且儿童的道德推理能力与捐献行为相关。Nirmala与Sunim等人通过对72对中国和印度儿童(4岁)进行跨文化研究，发现集体主义文化对儿童的行为以及分享者和受助者之间的互动产生影响。 三、我国亲社会行为研究的现状 在短短十几年的时间里，我国亲社会行为的研究从无到有，从有到精，已经有了长足的发展，但也存在着不足。 （一）亲社会行为与年龄、性别的关系研究 宗爱东、李丹在研究中发现2岁儿童亲社会行为的性别差异不大，分析原因这可能与2岁儿童性别角色尚未定型有关。马娥、丁继兰采用自然观察的方法，对103名3～6岁幼儿进行为期一周的观察记录，对各年龄阶段幼儿自由活动时间中亲社会行为类型的性别差异进行了探讨，研究结果表明：各年龄阶段幼儿亲社会行为之间存在显著差异，即幼儿亲社会行为随年龄增长而增多；幼儿亲社会行为总体上性别差异不显著，但就每个类型的亲社会行为来看，分享和安慰存在显著的性别差异，其他行为性别差异不显著。刘志军等人的研究表明，高中生的亲社会行为不存在性别差异。 （二）亲社会行为与移情的关系研究 主要强调移情的认知、情绪情感两方面以及与其他因素的交互。丁芳在《儿童的观点采择、移情与亲社会行为的关系研究》一文中，由移情的认知成分之一的角色采择能力人手，发现儿童的道德判断与移情对其亲社会行为的影响有明显的交互作用；女孩在移情及亲社会行为表现上优于男孩。 收稿日期：2010年10月16日 责任编辑：景泉金雪莲：任职于吉林医药学院人文社科部。 （转56页）
行为识别国内外现状
1．原始视频的特征提取 (1)光流场 光流场是空间运动物体在观测成像面上像素运动的瞬时速度。它利用图像序列中的像素强度数据的时域变化和相关性来研究图像的灰度在时间上的变化与场景巾物体结构及其运动的关系。光流法通常假设相邻帧的图像差异非常小，从而获取对真实运动场的近似估计【31。它不用预知任何先验知识，即能提供有关运动速度及图像中运动区域的简洁描述，适用于摄像机运动的情形。但光流法易受噪声及光照变化的影响，且计算较为复杂，很难用于实时的视频监控系统。 (2)点轨迹 目标的运动轨迹也可以作为特征，从而大致推断出目标运动所属的行为类别。但图像平面上的轨迹对平移、旋转和缩放等变换比较敏感，因此在大多情形下，此特征显得不够可靠。常用的替代特征表达有轨迹速度、时空曲率等【4，51。运动轨迹的获取比较依赖于精确的跟踪算法。从原始视频中提取点轨迹特征同样容易受到噪声、遮挡及混乱背景等的影响。(3)人体形状表达 在摄像机固定的情形下，假设背景已知，通过背景剪除法可以很容易得到运动人体形状。基于全局、边界及骨架等的描绘子都可以用来表达人体形状。全局方法16,71如剪影、矩等是在整体形状区域内计算描绘子，而边界方法仅考虑形状轮廓【8l，骨架i方法则是用一组lD 骨架曲线代表一个复杂的人体形状，比如中轴变换[91等。 (4)滤波器响应 空时滤波器响应是一个广义上的分类。Zhang等【lo】存时间轴上计算高斯导数，将滤波器响应较高的区域作为运动区域。LaptevI¨1利用一组空时高斯导数滤波器将Harris角点检测扩展应用于三维的视频数据从而检测出空时兴趣点。这类方法大都基于简单的卷积操作，运算快速而简便。当视频分辨率较低的情形下，提取光流或剪影特征较为困难，利用滤波器响应特性可以从视频数据中提取有效的底层特征。 2．低层特征的描述与识别 我们将低层特征的描述与识别方法分为三类①：非参数方法、空时体方法和参数时序法，分别对现有方法进行归类，并作一个简短的综述。 2．1非参数方法 (1)模板匹配法 这类方法需要对每种行为的特征建立相应的模板，将获取的特征数据与模板相匹配，通过计算两者之间的相似度进行识别。Polana和Nelson[4刀将整个序列分解为多个周期行为，利用二维网格特征识别各种行为。Bobick和Davis[391将图像序列转换为运动能量图像(膨酣)和运动历史图像(朋m)模板，MEI反映运动覆盖的范围及强度，而MHI反映运动在时间上的变化情况。Weinland等【拍】提出运动历史体积(MHV)模板，从多个视角重建目标并将其投影到圆柱坐标系，提取Fourier变换特征以描述行为。Wang和Suter[451也将整个行为过程融合为基于轮廓的平均运动形状(MMS)和基于运动前景的平均运动能量(彳^扭)两个模板。模板匹配法计算复杂度低、实现简单，但它本身无法描述动态系统，也不能完全反映数据在空问上的分布属性，具有一定的局限性。而且不同行为之间执行速率的不同、噪声、光照等因素都会影响模板匹配的准确性。 (2)目标建模法 行为可以通过建立人体动态表观模型进行描述。常见的人体模型有棍图模型【109]、2D模型例及3D模型51。3D人体建模是最常用的人体结构表征方法，通过跟踪人体模型中主要
亲社会行为的社会匹配效应文献综述
晕轮效应对亲社会行为动机归因的影响 ——亲社会行为动机归因的社会（身份）匹配效应 1.亲社会行为 1.1利他主义 研究者对亲社会行为、助人行为、利他行为等概念的界定莫衷一是，但总体上均从亲社会行为的行为表现、行为动机和行为效果三个方面进行阐释。 一般而言，亲社会行为在概念上要比利他主义广泛，而利他主义（altruism）是最高意义上的亲社会行为。沙莲香将利他行为定义为不期待任何回报的亲社会行为，并概括了利他行为的四个特征：①利其目的是有益于他人，而不是自己的私利；②一种自觉自愿的行为，不是迫于外面压力；③不求任何回报的； ④具有自我牺牲性，需要个人付出一定代价，但个人并不计较。 石里克从纯度、程度、广度三个维度来衡量利他行为1,从纯度上可将利他行为分为两种类型，其一，可称作“软”利他行为，即以寄希望于受惠者日后将施惠于己为动机的利他行为。其二，可称作“硬”利他行为，即行为者并不指望从受惠者的回报中取得满足，只是单纯从利他行为本身获取满足。从程度考虑，“硬”利他行为又可分为两种情况：有限的(或适度的)“硬”利他行为何无限的(或彻底的)“硬”利他行为。 1.2亲社会行为 由于对于利他行为，研究者时而从行为角度考，时而又结合当事者的行为动机考虑，难有定论，所以本研究将采用亲社会行为这一概念。 亲社会行为（pro-social behavior）泛指一切符合社会期望而对他人、群体或者社会有益的行为，其行为的后果是给行为的受体带来好处。关于亲社会行为的大部分文献都不考虑行为者的动机2,它是一个连续体，从最无私的利他行为，到完全被自己利益驱动的助人行为。 归结亲社会行为的研究，有如下特点：其一，在研究视角上，许多研究者从亲社会行为的起源、机制和发展过程出发，探讨其本质特征及其影响因素。其次，在研究被试上，为了避免被试受社会赞许性的影响，研究者大都选择婴幼儿、儿童为研究对象，对青年以及成人的亲社会行为研究甚少。最后，在研究方法上，以往的亲社会行为研究多采用观察法、访谈法、假设情境测验法、评定法、同伴提名法、问卷法和自我报告法，也有采用实验室实验；卡利罗斯基采用由一些小故事构成的“不完全投射测验”来编制“亲社会行为动机调查表”，这其实类似于假设故事情境，即在某些亲社会行为场景故事后，附有被选的动机及其他社会认知选项。 2.亲社会行为动机归因 任何一个行为，其行为主体本身具有某种动机，而处在“事外”、作为知觉者的人们对其动机也会形成某种知觉、判断——这正是社会行为和社会认知研究中归因理论的研究领域。所谓归因（attribution），就是指人们对自己或他人行为的原因知觉和判断。原先的归因研究主要集中在成就领域的自我归因和个人动机方面，Weiner将归因从总体上分为两种：其一是自我归因（intrapersonal attribution）或个人归因，即对自身行为结果的原因的知觉；其次是人际归因（interpersonal attribution）或他人归因，即对他人行为结果的原因的知觉。本研究的“动机归因”主要指第二种，即对他人亲社会行为的原因的知觉。 由于归因和动机紧密联系在一起，本研究在论述中，不将它们做出区分。研究者主要动机归因的理论、模型、偏差进行研究，也有对其类型进行的研究。目前有关亲社会行为的动机理论有两种研究取向:一是利他取向的亲社会动机理论, 包括基因决定论模型、移情利他主义假设、消极状态缓解模型、移情式快乐假设；二是利己取向的社会交换理论3此不具体展开。(附表一中有部分亲社会行为动机归因的罗列) 巴塔尔(Bartal)根据行为的目的不同，将亲社会行为分为利他行为和偿还行为。斯陶布（E?Staub，1984）用亲社会价值取向来表示人们帮助他人的动机和目标，认为亲社会价值取向体现了三种动机源:一是作为利他的无私行为的动机源，其目的在于帮助他人，是以他人为中心的；二是以规则为中心的道德取向为特征
基于图像处理的人群行为识别方法综述_高玄
总第３２２期 ２０１６年第８期 计算机与数字工程 Ｃｏｍｐｕｔｅｒ ＆Ｄｉｇｉｔａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏｌ．４４Ｎｏ．８ １５５７ 基于图像处理的人群行为识别方法综述＊ 高 玄１ 刘勇奎２ 汪大峰１ （１．北方民族大学计算机科学与工程学院 银川 ７５００２１）（２．大连民族学院计算机科学与工程学院 大连 １１６６００） 摘 要 基于图像处理的人体行为识别是计算机视觉中一个活跃的研究领域，目前大部分研究者主要针对个人行为识别展开研究。对人群的行为识别研究相对较少而人群行为识别在智能监控、虚拟现实、公共安全等方面有着广泛的应用前景。例如，恐怖活动、可疑事件、群体性暴力事件的实时监控等。人体行为识别对包含人的图像序列进行检测、跟踪、目标分类、异常检测以及对人的行为理解与识别。论文通过从一般的单人行为识别出发，介绍了人群识别方面近年来研究发展状况以及当前该研究方向亟待解决的问题，并展望了未来可能的发展方向。 关键词 图像处理；行为识别；智能监控；人群 中图分类号 ＴＰ３９３ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７２－９７２２．２０１６．０８．０３４ Ｓｕｒｖｅｙｏｎ ＧｒｏｕｐＢｅｈａｖｉｏｒ Ｒｅｃｏｇｎｉｔｉｏｎ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ＧＡＯ Ｘｕａｎ１ ＬＩＵ Ｙｏｎｇｋｕｉ ２ ＷＡＮＧ Ｄａｆｅｎｇ１ （１．Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎｏｒｔｈｅｒｎ Ｕｎｉｖｅｒｓｉｔｙ ｆｏｒ Ｎａｔｉｏｎａｌｉｔｉｅｓ，Ｙｉｎｃｈｕａｎ ７５００２１）（２．Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｄａｌｉａｎ Ｎａｔｉｏｎａｌｉｔｉｅｓ Ｕｎｉｖｅｒｓｉｔｙ，Ｄａｌｉａｎ １１６６００） Ａｂｓｔｒａｃｔ Ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｈｕｍａｎ ａｃｔｉｏｎ ｕｓｉｎｇ ｉｍａｇｅ－ｂａｓｅｄ ｐｒｏｃｅｓｓｉｎｇ ｉｓ ａｎ ａｃｔｉｖｅ ｒｅｓｅａｒｃｈ ａｒｅａ ｉｎ ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ．Ａｔｐｒｅｓｅｎｔ ｍｏｓｔ ｏｆ ｔｈｅ ｒｅｓｅａｒｃｈｅｒｓ ｍａｉｎｌｙ ｓｔｕｄｙ ｔｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｉｎｄｉｖｉｄｕａｌ ｂｅｈａｖｉｏｒ．Ｆｏｒ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｇｒｏｕｐ ａｃｔｉｖｉｔｉｅｓ ｒｅ－ｓｅａｒｃｈ ｉｓ ｒｅｌａｔｉｖｅｌｙ ｌｅｓｓ ｗｈｉｌｅ ｔｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｇｒｏｕｐ ｂｅｈａｖｉｏｒ ｉｎ ｉｎｔｅｌｌｉｇｅｎｔ ｍｏｎｉｔｏｒｉｎｇ，ｖｉｒｔｕａｌ ｒｅａｌｉｔｙ，ｐｕｂｌｉｃ ｓｅｃｕｒｉｔｙ，ｅｔｃｈａｓ ａ ｂｒｏａｄ ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｓｐｅｃｔ，ｓｕｃｈ ａｓ ＡＣＴＳ ｏｆ ｔｅｒｒｏｒｉｓｍ，ｓｕｓｐｉｃｉｏｕｓ ｅｖｅｎｔ，ｍａｓｓ ｖｉｏｌｅｎｃｅ ｉｎ ｒｅａｌ－ｔｉｍｅ ｍｏｎｉｔｏｒｉｎｇ．Ｈｕ－ｍａｎ ｂｅｈａｖｉｏｒ ｒｅｃｏｇｎｉｔｉｏｎ ｃｏｎｓｉｓｔｓ ｏｆ ｄｅｔｅｃｔｉｏｎ，ｔｒａｃｋｉｎｇ ａｎｄ ｏｂｊｅｃｔ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｉｍａｇｅ ｓｅｑｕｅｎｃｅ，ａｎｄ ｉｍａｇｅ ｕｎｄｅｒｓｔａｎｄｉｎｇａｎｄ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｈｕｍａｎ ｂｅｈａｖｉｏｒ．Ｂｙ ｉｎｔｒｏｄｕｃｉｎｇ ｔｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｉｎｄｉｖｉｄｕａｌ ｂｅｈａｖｉｏｒ，ｔｈｉｓ ｐａｐｅｒ ａｎａｌｙｚｅｓ ｔｈｅ ｄｅｖｅｌｏｐ－ｍｅｎｔ ａｎｄ ｃｕｒｒｅｎｔ ｓｔａｔｕｓ ｏｆ ｇｒｏｕｐ ｂｅｈａｖｉｏｒ ｉｎ ｒｅｃｅｎｔ ｙｅａｒｓ ａｎｄ ｔｈｅ ｒｅｓｅａｒｃｈ ｐｒｏｂｌｅｍｓ ｔｏ ｂｅ ｓｏｌｖｅｄ．Ａｎｄ ｐｏｓｓｉｂｌｅ ｄｉｒｅｃｔｉｏｎｓ ｏｆｆｕｔｕｒｅ ａｒｅ ｄｉｓｃｕｓｓｅｄ． Ｋｅｙ Ｗｏｒｄｓ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ，ｂｅｈａｖｉｏｒ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ｉｎｔｅｌｌｉｇｅｎｔ ｍｏｎｉｔｏｒｉｎｇ，ｔｈｅ ｃｒｏｗｄ Ｃｌａｓｓ Ｎｕｍｂｅｒ ＴＰ３９３ １ 引言 当前，基于图像处理的人体行为识别是一个非常活跃的研究领域，人体行为识别是对包含人的图像序列进行检测［１］、跟踪、目标分类［２］、异常检测［３］以及对人的行为理解与识别，而图像处理技术是通过提取运动物体的颜色和形状等特征信息，用于背景检测和跟踪［４］。就目前而言，绝大部分的监控系统只局限于简单的图像处理，而无法进行人体异常识别，对于人群行为的识别以及在人群发生异常行为时能够实时报警的研究相对较少［５］。由于在公共安全等领域有着广泛的应用前景，人群行为识别 ＊收稿日期：２０１６年２月１日，修回日期：２０１６年３月１９日 基金项目：辽宁省科技基金项目“图形图像处理中形状表示的压缩方法研究”（编号：２０１１０２０４２）；辽宁省自然科学基金项目“虚拟现实中三维图形的应用基础研究”（编号：２００８２１７５）；辽宁省教育厅科学基金项目（编号：Ｌ２０１４５４４）；中央高校基本科研业务费专项资金项目（编号：ＤＣ２０１５０２０３０２０１；ＤＣ２０１５０２０３０４０４）资助。 作者简介：高玄，男，硕士研究生，研究方向：计算机图像处理。刘勇奎，男，教授，研究方向：多媒体信息处理技术。 汪大峰，男，研究方向：计算机图像处理。
如何运用大数据分析驾驶行为中风险所在
如何运用大数据分析驾驶行为中风险所在？ 我们知道，保险公司利用UBI，会构建两个分析模型，一个是驾驶风险模型，一个是基于驾驶风险和其他风险的保险定价模型。 1、驾驶风险模型是需要拥有车联网数据具备车联网运营经验，懂驾驶行为，懂车，能够进行数据分析，一般是主机厂、TSP或者数据平台公司。 2、保险精算模型是具备车险资质和精算经验，一般是保险公司，保险经纪公司，精算咨询服务公司 对大部分采用UBI计算的保险公司/车联网公司来说，驾驶风险模型会用到50个以上的变量，这些变量大部分是通过车联网采集，前装数据会多一点，质量好点，后装OBD的方式，有一些数据的噪音。 这些变量一般是：行驶里程（参配、图片、询价），平均出行的时长、平均出行距离、平均每天出行次数、平均每天出行时间、平均一天驾驶距离、平均一周驾驶距离、周一到周五平均驾驶次数、周末驾驶次数、平均速度、急加速/百公里、急刹车/百公里、路型、各地形的行驶里程、个地形的驾驶时间、各地形的停车时间、转弯次数、横向加速次数、滚动停止、变道次数、变速频率、变速级别、巡航控制、左转弯次数、速度偏差、假期驾驶、驾驶类型（速度VS时间）、驾驶类型偏差、出行半径、交叉口次数、转弯信号灯、安全带状态、安全气囊状态、灯/雨刷状态、车辆维修状态、出行间隔、拥堵指数、手机使用等。
因为各个变量之间也具备关联关系，这里我们会有基本算法的选择，是使用线性聚类，还是神经网络的决策树算法。 我们通过对车联网的一年，5千辆车的运行车联网数据进行了基本的算法建立，如下图。 首先通过log file建立初始数据，通过云端存储进行半结构化的数据，通过HIVE和HDInsight进行数据的清理，drivesession相当于进行驾驶风险的数列化，建立基本的数据表单，通过Dataset,AML（基于云端的机器学习）和数据训练模式，形成最后的驾驶风险打分，打分的结果会通过WebService进行展示。目前车联网数据收集来源，这里很多工作是进行了数据的清洗工作。同时根据保险公司提供的理赔名单和驾驶车主进行匹配，在训练模型中进行相关的训练。 要建立一个驾驶风险的基准，一般要经过下图的几个步骤： 第一步，数据准备： 1、了解管理层对UBI的期望和策略
对我国近二十年来幼儿亲社会行为的研究综述
对我国近二十年来幼儿亲社会行为的研究综述 亲社会行为是指有利于他人和社会的一切正向的积极行为，如合作、关心、帮助、分享等。对亲社会行为的研究一直是研究者关注的焦点。幼儿期是培养幼儿亲社会态度和行为的最佳阶段，从小培养幼儿形成良好的亲社会行为，对个体以后的社会性发展、人格发展都具有重要意义。幼儿不但通过可以从他们对别人的善意帮助中受益，更为重要的是学会帮助、分享、合作、安慰和援助的幼儿，对他们以后的社会性发展更是受益匪浅。正是基于幼儿亲社会行为对幼儿发展的重要性认识，我们从中国知网全文数据库中检索了从1990-2010年近二十年来学者对幼儿亲社会行为的研究概况。并对检索到的论文进行分析的基础上，指出了当前我国幼儿亲社会行为存在的问题，并根据对指出了未来对亲社会行为研究的发展趋势。 一、国内关于幼儿亲社会行为的研究概况 为了能够较全面准确地了解我国近二十年来对幼儿亲社会行为的研究状况，我们从中国知网上检索了从1990—2010二十年间幼儿亲社会行为研究的论文，共检索到117篇，其中核心期刊36篇，非核心期刊71篇，会议论文4篇，硕博论文6篇。为了便于对检索到的文献进行分析，我们把1990—2010二十年间分为两个阶段，即1990—2000年和2001—2010年。这种时间段的划分依据是有两个方面的理由：第一，这种划分便于资料的统计分析和对比前后两个阶段幼儿亲社会行为研究的变化；第二，这种划分有利于分析两个阶段幼儿亲社会行为研究的重点及预测未来幼儿亲社会行为研究的趋势。从1990—2010年间国内幼儿亲社会行为研究的文章数量及每个阶段分布状况如下表一所示： 发表时间期刊论文硕士论文会议论文合计比例1990--2000 33 33 28% 2001-2010 74 6 4 84 72% 合计107 6 4 117 （表一：1990—2010年间发表的幼儿亲社会行为论文统计表）
行为识别国内外现状资料
1．原始视频的特征提取 (1) 光流场光流场是空间运动物体在观测成像面上像素运动的瞬时速度。它利用图像序列中的像素强度数据的时域变化和相关性来研究图像的灰度在时间上的变化与场景巾物体结构及其运动的关系。光流法通常假设相邻帧的图像差异非常小，从而获取对真实运动场的近似估计【31。它不用预知任何先验知识，即能提供有关运动速度及图像中运动区域的简洁描述，适用于摄像机运动的情形。但光流法易受噪声及光照变化的影响，且计算较为复杂，很难用于实时的视频监控系统。 (2) 点轨迹目标的运动轨迹也可以作为特征，从而大致推断出目标运动所属的行为类别。但图像平面上的轨迹对平移、旋转和缩放等变换比较敏感，因此在大多情形下，此特征显得不够可靠。常用的替代特征表达有轨迹速度、时空曲率等【4，51。运动轨迹的获取比较依赖于精确的跟 踪算法。从原始视频中提取点轨迹特征同样容易受到噪声、遮挡及混乱背景等的影响。 (3) 人体形状表达在摄像机固定的情形下，假设背景已知，通过背景剪除法可以很容易得到运动人体形状。基于全局、边界及骨架等的描绘子都可以用来表达人体形状。全局方法16,71 如剪影、矩等是在整体形状区域内计算描绘子，而边界方法仅考虑形状轮廓【81,骨架i方法则是用一组ID 骨架曲线代表一个复杂的人体形状，比如中轴变换[91 等。 (4) 滤波器响应 空时滤波器响应是一个广义上的分类。Zhang等【Io】存时间轴上计算高斯导数，将滤波器 响应较高的区域作为运动区域。Laptevl " 1利用一组空时高斯导数滤波器将Harris角点检测 扩展应用于三维的视频数据从而检测出空时兴趣点。这类方法大都基于简单的卷积操作, 运算快速而简便。当视频分辨率较低的情形下, 提取光流或剪影特征较为困难, 利用滤波器响应特性可以从视频数据中提取有效的底层特征。 2．低层特征的描述与识别 我们将低层特征的描述与识别方法分为三类①：非参数方法、空时体方法和参数时序法, 分别对现有方法进行归类,并作一个简短的综述。 2．1 非参数方法 (1 )模板匹配法这类方法需要对每种行为的特征建立相应的模板, 将获取的特征数据与模板相匹配, 通过计算两者之间的相似度进行识别。PoIana 和NeIson[4 刀将整个序列分解为多个周期行为,利用二维网格特征识别各种行为。Bobick 和Davis[391 将图像序列转换为运动能量图像(膨酣)和运动历史图像(朋m)模板，MEI反映运动覆盖的范围及强度，而MHI反映运动在时间上的 变化情况。Weinland等【拍】提出运动历史体积(MHV)模板，从多个视角重建目标并将其投影到圆柱坐标系,提取Fourier 变换特征以描述行为。Wang 和Suter[451 也将整个行为过程融合为基于轮廓的平均运动形状(MMS)和基于运动前景的平均运动能量(彳A扭)两个模板。模 板匹配法计算复杂度低、实现简单, 但它本身无法描述动态系统, 也不能完全反映数据在空问上的分布属性,具有一定的局限性。而且不同行为之间执行速率的不同、噪声、光照等因 素都会影响模板匹配的准确性。 (2) 目标建模法行为可以通过建立人体动态表观模型进行描述。常见的人体模型有棍图模型【109] 、2D 模
驾驶行为预研报告
驾驶行为预研报告 人工智能-于海悦 2018年5月3日 1.驾驶行为分析： 驾驶行为的分析和研究，通常是作为其他车内应用的支撑技术而存在的。例如车道偏离预警(1ane departure warning，LDW)、车道保持(1ane keeping，LKS)、巡航控制系统(adaptive cruise control，ACC)，都使用了相关的技术。 模型或理论： 1938年：安全行驶区域理论 1964年：紧张或焦虑状况下自调整驾驶模型 1974年：零危险模型 1977年：主被动安全模型 1980年：推理行为理论 1982年：危险自平衡理论 1983年：人行为能力模型 1984年：威胁规避模型 1985年：规划行为理论 1988年：阶梯型危险模型 1988年：激励建模方法 1989年：生成规则模型/基于规则模型 1992年：内模型 2000年：任务容量界面模型 1)驾驶员外部特性按照研究对象的不同，可以分为两类：针对特定信号的研究、以及针对特定场景的研究。针对特定信号的研究，主要是通过分析某一传感器所获得数据，进而研究与其相关联的特定驾驶行为。例如，通过分析方向盘夹角和刹车，判断驾驶员注意力是否集中、是否醉酒；通过分析眼睛注视位置，判断驾驶员的操作序列是否合理。针对特定场景的研究，则是考察最容易出事故的驾驶环节。通常会对这些场景、以及场景中的操作进行数学建模，进而描述和评定驾驶行为。常见的场景有停车、超车、变道等。 2)驾驶认知行为建模，这一类的研究，主要是将认知学的理论应用到驾驶行为研究领域。其研究目标是通过分析驾驶操作的内在机理，从本质上解释和理解驾驶行为，完成建模。由于人类对自我处理机制的理解还不够深刻，因此其建模结果很难用实验验证其准确性，更多的只能从定性的层面上对行为进行阐述。 3)驾驶心理研究，该类方法主要是通过调查问卷的方式，由驾驶员自己主观的进行自我评价，大致分为违规(violations)和失误(errors)两类。违规操作指的是驾驶员在明知危险的情况下故意执行的行为，通常用来评价驾驶风格；失误操作则是无意识中做出的危险操作，通常用来评定驾驶水平。 基于驾驶模拟器的数据采集和驾驶行为识别： 驾驶模拟器，通常指的是那些能够提供虚拟驾驶环境的机器。通过3D仿真软件，模拟汽车的真实行车环境；通过传感器，完成驾驶相关数据采集，并将这些信号的变动如实的反映到虚拟驾驶场景中。汽车的各项数据经由两种方式完成传递：传感器数据经由特殊的总线传输，并最终转换为数字信号为程序所使用：场景信息则以消息的形式在软件内部传递。这两种相异的传递方式为数据的采集带来了一定的困难。在驾驶模拟器内，数据的传输并不单单只在汽车总线内部，会在程序间，和网络间传输。在多驾驶模拟器的环境下，通常需要将数据发送到局域网内，供其他机器上的应用使用。 最重要的是：数据采集模块、驾驶行为模块、服务模块。数据采集模块主要是实现驾驶数据的收集和保存，构建模型训练的原始数据，同时为驾驶行为识别模块提供特征向量序列。驾驶行为模块提供了两个功能，
人体行为识别技术
人体行为识别技术 在计算机视觉领域中，人体运动行为识别是一个被广泛关注的热点问题，在智能监控、机器人、人机交互、虚拟现实，智能家居，智能安防，运动员辅助训练等方面有巨大应用价值。行为识别问题一般遵从如下基本过程：数据图像预处理，运动人体检测、运动特征提取、特征训练与分类、行为识别。着重从这几方面逐一回顾了近年来人体行为识别的发展现状和常有方法。并对当前该研究方向上待解决的问题和未来趋势做了分析。行为理解可以简单地认为是时变数据的分类问题，即将测试序列与预先标定的代表典型行为的参考序列进行匹配。通过对大量行为理解研究文献的整理发现：人行为理解研究一般遵从特征提取与运动表征、行为识别、高层行为与场景理解等几个基本过程。 特征提取与运动表征是在对目标检测、分类和跟踪等底层和中层处理的基础上，从目标的运动信息中提取目标图像特征并用来表征目标运动状态；行为识别则是将输入序列中提取的运动特征与参考序列进行匹配，判断当前的动作处于哪种行为模型；高层行为与场景理解是结合行为发生的场景信息和相关领域知识，识别复杂行为，实现对事件和场景的理解。【2】 1、行为识别的应用 从应用领域的分类来讲，可以将人体运动分析的应用分成如下几个领域： ①智能监控 这里所指的“智能”包含两个方面的含义。一种“智能”是指系统能够在一定的场景中检测是否有人的出现(如通过检测人脸的方法)防止只是简单的通过 运动目标检测所造成的错误报警(例如因为动物活动或者刮风摇动树枝等等而造
成误报)。另外一种“智能”是指系统能够监视一定场所中人的活动，并对其行为进行分析和识别，跟踪可疑行为(如经常在重要地点徘徊等等行为)从而采取相应的报警措施。通常把报警系统设置于银行、机场、车站、码头、超市、办公大楼、住宅小区等地，以实现对这些场所的智能监控。 ②虚拟现实 跟踪现实世界人的姿态，从而创建一个虚拟的仿真场景，实现人与这个虚拟世界的交互。该领域的具体应用涉及视频游戏、虚拟摄影棚、计算机动画等方面。 ③高级用户接口 指可以通过对用户手势的识别来代替传统的鼠标和键盘输入，从而实现人与计算机之间的智能交互。此外，通过对手势语言的理解，还可以进行聋人与计算机之间的手语交流。 ④运动分析 人体运动分析可以运用于基于容的视频检索领域。例如可以检索在运动会上单杠比赛中运动员的杠上动作。这样可以节省用户大量的查询视频资料的时间和精力。另外一种应用是用于各种体育项目中，提取运动员的各项技术参数(如关节位置、角度和角速度，等等)，通过分析这些信息，可以为运动员的训练提供指导和建议，有助于提高运动员的训练水平。此外，还可以用于体育舞蹈动作的分析，以及临床矫形术的研究等领域。 ⑤基于模型的视频编码 通过提取一定的静态场景中人物的形态特征参数和3D姿态参数，以较低的数据量对视频数据流加以描述，实现视频数据的压缩和低比特率传送。可以用于在因特网上展开远程视频会议以及VOD（Video-On-Demand）视频点播。
基于多小波分析的多层感知器驾驶行为识别技术
采用多小波变换和多层感知分类器的驾驶姿势识别技术 摘要 开发了以人为中心的驾驶员辅助系统(HDAS)实现自动检测和识别驾驶行为,提出了一种基于GHM的有效的驾驶姿势特征识别方式，利用多小波变换和多层感知器识别了四种预定义的驾驶姿势。从SEU创建的驾驶姿势数据库提取的特征，通过与IKSVMs 、kNN分类器和Parzen分类器相比，选用MLP分类器对驾驶姿势进行层实验和交叉验证试验。实验结果表明,基于GHM多小波变换和MLP分类器的特征提取,与IKSVMs, kNN分类器和Parzen分类器相比，使用softmax激活函数将激活层和双曲正切函数的隐层能提供最佳的分类性能。实验结果还表明,在四个预定义的分类中手机是最困难的一个,在维持和交叉验证实验中分别为83.01%和84.04%。这些结果表明以人为中心的驾驶辅助系统（HDAS）采用GHM多小波变换和MLP分类器来提取特征实现，自动检测和识别驾驶行为的方法是有效的。 1、驾驶姿势数据采集和规范化 在驾驶姿势数据收集工作使用罗技C905 CCD相机。通过10个男司机和10女司机采集驾驶姿势数，汽车在自然条件下的室外停车场，随着环境的变化改变灯光的强度。已经建立好的数据库有四种的驾驶姿势数据，即把握方向盘，变速杆操作，吃一块蛋糕和打电话。图1显示了驾驶姿势数据样本组成的80组驾驶姿势图片,每一张图片都有480×640像素的分辨率。 图一、四种驾驶姿势。（a）把握方向盘，（b）变速杆操作， （c）吃一块蛋糕，（d）打电话
为了解决驾驶姿势数据采集图像的光照变化问题，采用提高图像质量的办法。称为同态滤波器(HOMOF), 即为著名的标准化方法。利用HOMOF,图像首先转换为对数,注重频域分析。然后通过逆傅里叶变换反向转换到时域,并采取适当的指数运算。对驾驶图像感兴趣的对象主要是类似皮肤颜色的区域，如驾驶员的头部，右手和左手。这是一个事实，人的肤色无论种族都有非常相似的色性能，在一定的光照条件下肤色检测可以是相当强大。彩色像素为肤色和非肤色可以通过在RGB空间进行标准化分类工作。一个RGB的坐标（R，G，B）为每个原色0和255之间的值被标准化到坐标（R0，G0，B0），可以利用下列关系： 标准化的颜色(r0，g0，b0)被归类到肤色，如果它位于这个区域，则可以用下面的方法来标准化RGB空间。 图2显示了四个肤色分割的HOMOF图像预处理结果。 图二、肤色分割处理结果 2、用多小波变换提取特征 基于机器视觉的人体姿态识别具有挑战性，主要是由于人体的动作和空间位置变化的复杂，由于需要采用鲁棒性来评价车辆在行驶过程中的光照条件使得这一问题更加复杂了。在本节中，我们展示了利用司机裸露的皮肤，以及司机的头部和左右手的空间位置来建立驾驶员的姿态特征。在一般小波的情况下，可以允许一个多分辨率的分析{V n}，n∈N, L2(R)是一个有有限函数生成的拓展函数φ(t)=( φ0(t), φ1(t), …,φm-1(t))T，m∈N和t是一个时间变量，然后利用下面的多尺
推荐-驾驶员交通安全意识淡薄的行为表现及成因分析
驾驶员交通安全意识淡薄的行为表现及成因分析 一、驾驶员的安全意识及其特征 所谓安全意识是指人们对于普遍存在的安全问题和安全现象的感受及其所采取的态度的总称，是一个泛义综合的概念。它反映了人们对安全问题的心理状态，是社会意识的一种特殊形式。 驾驶员的安全意识是通过感觉、知觉、记忆、思维、想象等对现实安全准确而清醒的认识，对外在客观事物的安全状态进行正确的判断，对自己的行为有意识的进行决策和控制，使自己或他人免受伤害。驾驶员的交通安全意识主要体现在驾驶员个人的社会责任感、驾驶道德、操作技能，对道路交通法规的遵守以及交通安全知识的掌握与运用。包括善待生命、珍惜生命的健康意识；事故严重、灾害频繁的风险意识；预防为主，防范在先的超前意识，行为规范，技术优先的科学意识，时刻注意安全的警觉意识，反之，则是交通安全意识淡薄及弱化的表现。 二、驾驶员交通安全意识淡薄的违章行为及其社会危害性。 1、安全意识淡薄的违章行为表现。 意识决定行为，交通安全意识影响和支配着驾驶行为，交通安全意识淡薄必然起交通违章行为的发生。在现实生活中，交通安全意识淡薄的违章行为表现繁杂多样，超载、疲劳驾驶、超速行驶、无证驾驶（含内部上岗证从业资格证）、遮挡车牌、闯红灯、遇红灯绕道、转向不打转向灯、违章超车、会车违章挤道、占道、抢道、逆向行驶、开车聊天、打手机等等。这些交通违规行为严重威胁着
交通安全，国家交通部门对交通肇事死亡的主要原因进行让行、违章超车、酒后驾车、疲劳驾驶、违章会车、逆向行驶和跟车距离不够9种交通违章行为市主要原因，其中，超速行驶市最主要的，占23.13%，其次是大意，比例大21.86%，疲劳驾车的比例为13.11%，还有违章驾车、判断错误和违章停车所造成的事故也占有一定比例。 2、交通安全意识淡薄的违章行为对社会的危害性。 交通安全意识淡薄的违章行为是引发交通事故的直接原因。它严重威胁着交通安全，也给社会政治带来严重后果，据广东省运输厅公布2011年以来（统计至4月中旬），全省交通行业共发生一次死亡3人以上道路运输事故8宗，死亡36人，受伤6人事故宗数和死亡人数分别比同期上升100%和111.8%，受伤人数下降57.1%，频繁多发的交通事故不仅造成人民群众生命财产的巨大损失，而且严重影响了社会和企业的和谐与稳定，妨碍了社会和企业发展，并引发了一系列的社会问题，一是对家庭的伤害和破坏，甚至造成家破人亡，二是给企业、经营者造成很大负担（如上年南冲、白湾车发生的事故），三是引发民间纠纷，治安案件（如上年南冲事故）因发生交通事故后，因误认交通管理部门处理不公，因赔偿问题，无故闹事，扰乱社会秩序，甚至产生过激行为，触犯法律。 三、驾驶员交通安全意识淡薄的形成原因。 造成驾驶员交通安全意识淡薄的原因很多，但归纳起来，不外孚两个方面，一是外在的社会环境因素影响，二是内在的个人因素影响。 1、社会环境因素影响 ①交通法规违章现象在社会上普遍存在，很多人见惯不怪并产生“从众心理”
情绪与亲社会行为关系的研究综述
情绪与亲社会行为关系的研究综述 发表时间：2010-05-12T16:39:31.810Z 来源：《价值工程》2010年第3月中旬供稿作者：朱静敏；张慧影；李亚伟 [导读] 亲社会行为的理论社会学习理论：主要探讨了亲社会行为如何获得 朱静敏；张慧影；李亚伟（河北师范大学教育学院，石家庄 050091） 摘要：本文首先从概念和理论的角度解释了亲社会和情绪；其次，针对当前的研究现状将情绪分为积极情绪和消极情绪来阐述情绪对亲社会行为的影响；最后，针对情绪与亲社会行为关系的研究现状进行了一定的评述和展望。 关键词：亲社会行为；积极情绪；消极情绪 中图分类号：B849 文献标识码：A 文章编号：1006-4311（2010）08-0223-01 1 亲社会行为的概念与理论 西方关于亲社会行为的研究到了60年代末70年代初，才有研究者开始真正关注同情、分享、助人、合作一类的亲社会行为或利他行为，而我国则是始于80年代末期。 1.1 亲社会行为的概念由于不同的研究者对亲社会行为的理解不同，因而在谈到亲社会行为时，其所指的内涵也不尽相同。“亲社会行为”一词，是美国学者威斯伯1972年在《社会行为的积极形式考察》一文中首先创设的，它是用来代表所有的与侵犯等否定性行为相对立的行为。亲社会行为是指那些对行为者无明显益处，但对接受者有益的行为一一美国《心理学百科全书》。亲社会行为是那些任何以有益于他人为目标的行为。一一俞国良(1999)。对于上面的各种定义，我们可以看到他们的共同点，即亲社会行为指一切有益于他人和社会的行为。我们可以从下面两个方面加以理解：亲社会行为可能由利他主义引起。利他主义指关心他人利益而不考虑自己的利益。亲社会行为具有一定的目的性。即其行为的目的不仅仅是助人，还有其它企图。社会心理学家认为，“亲社会”是合乎社会道德标准的意思，是与“反社会”，即违反社会道德标准相对的，包括一切积极的有社会责任感的行为。由此可推演出“亲社会侵犯”的概念，指的是符合社会道德标准的侵犯行为。 1.2 亲社会行为的理论社会学习理论：主要探讨了亲社会行为如何获得。Rushton在《利他、社会化及社会》中阐述到：与亲社会行为有关的移情、角色扮演及道德准则的内化都可以通过设计好的学习过程而获得和增加。社会交换理论： C.J.Morgan&R.F.Peck，提出了“助人的代价——报偿模式”。认为代价与报偿之间的关系决定了助人行为发生的可能性，得到的报偿超过付出的代价时，助人行为最容易发生。社会行为理论：E.Staub，人们在发展中形成了多种动机，其行为的目的在于追求某种期望。人的动机是潜在的，在一定的条件下可以被激活，人的亲社会价值取向越强，在特定情境中被激活的可能性越大。社会认知理论：https://www.360docs.net/doc/cb8685249.html,tane&J.M.Darley的助人行为模型。在紧急事态发生时，在场的人决定是否要介入，需要经历一个从认知到行为的过程。社会文化规范。S.H.Schwart认为，个人的行为受社会规范支配，个人将利他的社会规范内化形成的道德义务感、社会责任感、信念和价值观，从而推动个人做出亲社会行为。 2 情绪概念及亲社会行为中的情绪效应 2.1 情绪的概念情绪主要指感情过程，即个体需要与个体相互作用的过程，也是脑的神经机制相互作用的过程，如高兴时手舞足蹈。此外，情绪具有情境性、激动性、暂时性，往往随着情景的改变和需要的满足而减弱和消失。最后，情绪具有功能性，主要包括适应功能、动机功能、组织功能、信号功能等。情绪是心理活动的组织者，情绪不仅对人的认知活动起到驱动作用，还可以调节认知加工的过程和人的行为。 2.2 亲社会行为中的情绪效应由于情绪具有功能性，那么不同的情绪也会对亲社会行为有一定的影响。一般来说，在情绪好的情况下人们会去帮助人，而在情绪不好的时候就会降低帮助他人的可能性，但事实上并非如此，人们在情绪不好的时候，往往也有助人的表现。 2.2.1 积极情绪效应研究者认为，情绪好对助人行为的促进原因有三：其一，物以己喜。在我们情绪好时，即使是炎热的夏日正午，毒辣的阳光，我们也会觉得并不讨厌呢，所谓“心静自然凉”就是这个道理。其二，助人行为会帮助我们保持情绪良好。如果我们对于需要帮助的人伸出援手并解决问题的话，会认为自己体现了社会价值，并充满了成就感和自豪感。 2.2.2 消极状态释放模型消极状态释放模型Cialdinietal.认为，通过帮助别人，往往能减轻自身的忧伤和苦恼。消极状态释放模型包含三个基本的假设：第一个假设，激发一个人实施助人行为的消极状态能够由多方面引发。可以是一个人伤害另一个人之后的内疚;也可以是观察到另外一个人不幸后的悲伤；还可以是与受助者无关的他人而来的悲伤或内疚等。第二个假设，助人是一种消除负性情绪的有效方式。根据消极状态释放模型，如果在助人之前，潜在的助人者的情绪得到了调整，那么此时的情绪就不再能激发其去助人。第三个假设是，消极情绪对助人行为的激发是有条件的，仅仅当人们相信他们的善行能提高其情绪水平时，他们才会实施亲社会行为。 助人表现中的积极情绪效应和消极状释放模型所支持的事实似乎是矛盾的。Roeshnna等人用实验对这种不一致的现象进行了考察。结果表明，悲哀和快乐的臆想影响实验参与者的心境。 3 研究现状的思考 近年来，反社会行为屡见不鲜，给社会发展和人的正常生活造成了许多负面影响。因此，对于亲社会行为的研究越来越多的受到关注。情绪对亲社会行为的影响主要是从消极、积极情绪两个方面进行，而对于具体的积极情绪和消极情绪的那些情绪因素促进或降低亲社会行为的研究还很少，特别是消极情绪对亲社会行为的影响更为复杂，目前没有定论。 参考文献： [1]彭聃龄.普通心理学（第三版）[M].北京，师范大学出版社，2006：364-366. [2]章志光、金盛华.社会心理学（第五次印刷）[M].北京，人民教育出版社，2000：345-369. [3]Batson.Prosocial Motivation：Why do we Help Others？Advanced Social Psychology.1995.PP.333-381. [4]Gintis Herbert,Bowles Samuel et al.Explaining altruistic behavior in humanEvolution and Human Behavior:2003.May153-172.