基于多特征融合的人體行為識別.pdf

1、視頻分析和理解作為計算機視覺一個重要的分支，近年來得到了飛速的發(fā)展?；谝曨l的人體行為識別是視頻分析和理解的關鍵技術，被廣泛應用于視頻檢索、智能視頻監(jiān)控系統(tǒng)、醫(yī)療診斷與監(jiān)護、人機交互等方方面面。隨著互聯(lián)網(wǎng)的快速接入和多媒體的廣泛傳播，視頻數(shù)據(jù)因其豐富的表達能力，日益成為人們?nèi)粘Ｉ钪胁豢苫蛉钡妮d體。另一方面，在智能城市不斷推廣和智能家居日益普及的今天，視頻監(jiān)控系統(tǒng)每天都在產(chǎn)生大量的視頻數(shù)據(jù)。如何對視頻中人體行為進行有效的分類識別成為該領

2、域的研究熱點。然而，當前的人體行為識別技術依然存在計算復雜度高、普適性低等諸多難點，仍處于較低級的階段。
　　本文首先對國內(nèi)外關于人體行為識別的相關研究進行分析總結，并在此基礎上主要研究了不同場景下的運動描述，力圖以較低維數(shù)的特征對不同場景下的多種行為實現(xiàn)充分魯棒的表達，并獲得較高的識別率。提出了一種基于運動方向直方圖（MOH）特征、2D-SIFT特征、光流方向直方圖（HOOF）特征相融合的行為識別新框架。
　　在運動區(qū)域檢

3、測上，采用幀間差分法和混合高斯背景建模相融合的方法提取前景，并在此基礎上提出了一種基于像素變化比率圖（PCRM）的運動區(qū)域檢測方法。
　　在行為描述上，改進了運動方向直方圖（MOH）特征，將梯度空間分為正梯度空間和負梯度空間兩部分，進而對MOH特征進行重構，使MOH特征在有符號空間中具有方向不變性；根據(jù)人體行為的特點，將運動區(qū)域分為頭部、軀干、腿部三部分，構造了光流方向直方圖（HOOF）特征，同時引入光流方向疏密信息，克服了傳統(tǒng)光