基于條件隨機場的人體行為識別研究.pdf

1、視頻圖像序列中的人體行為識別是一項涉及了模式識別、計算機視覺和人工智能等多領(lǐng)域混合交叉的研究課題，因其在虛擬現(xiàn)實、視頻檢索和智能監(jiān)控等領(lǐng)域具有廣泛的應(yīng)用價值和實用價值，所以該課題一直是計算機視覺領(lǐng)域的研究熱點。視頻序列中人體行為識別技術(shù)的研究目的是將人類的視覺感知功能賦予機器視覺系統(tǒng)，使其能夠在視頻圖像序列中跟蹤目標(biāo)、分割目標(biāo)并對目標(biāo)行為進行分析與識別。經(jīng)過幾十年的不懈研究，上述技術(shù)均取得了巨大的進步，但由于人體行為具有不可預(yù)知性、非剛

2、性以及圖像處理過程的復(fù)雜性，所以要提出一種既具有準(zhǔn)確性、實時性而且還適應(yīng)大多數(shù)場景的方法仍具有很大的困難。
　　本文主要對人體行為識別技術(shù)進行研究。在運動目標(biāo)檢測方面，采用改進后的平均背景法對混合高斯模型進行初始化，使初始化的高斯模型更符合背景場景模型。在運動目標(biāo)陰影檢測和去除時，采用前景與背景的顏色差分法，使得提取出的目標(biāo)區(qū)域不包含陰影，對后續(xù)特征提取做了鋪墊工作。
　　針對通過傳統(tǒng) Radon變換提取出的特征不具有縮放和

3、平移不變性的缺點，本文提出一種改進的Radon變換算法來提取出目標(biāo)區(qū)域的特征。該方法同時具有平移和縮放不變性的特點且相比于幾種已改進過的Radon變換，在特征提取時也不再需要對特征向量進行歸一化處理，使提取的特征表現(xiàn)出更強的魯棒性，計算也更簡單。
　　針對傳統(tǒng)條件隨機場(CRF)方法實時性不足的問題，提出一種基于主成分分析法的HCRF方法，提高了識別系統(tǒng)的實時性。實驗結(jié)果表明，該方法可以有效的進行人體行為識別，并能在保證識別率的基