視頻運動人體行為識別與分類方法研究.pdf

1、運動人體行為的特征表示和目標識別作為視頻監(jiān)控的主要研究內容,是計算機視覺領域當前的研究熱點,不但具有重要的實際意義,而且對計算機視覺和其它相關研究領域具有重要的促進作用。視頻監(jiān)控技術研究的主要目的是將人類的視覺感知功能賦予機器視覺系統(tǒng),使其能夠在圖像序列中發(fā)現(xiàn)目標、跟蹤目標,并對目標的行為進行識別和理解。經(jīng)過幾十年的不懈研究,上述技術均取得了長足的進步,但實踐表明通常意義上的人體行為檢測與識別技術還遠未成熟,有效的人體行為識別算法是智能

2、視頻監(jiān)控系統(tǒng)魯棒性和實用性的核心。
　　 研究工作以視頻監(jiān)控系統(tǒng)為載體,以實際應用為研究目標,以運動人體行為作為主要研究對象,以行為的辨別方法為研究內容,深入地探索了人體行為識別與分類方法中行為的表示和建模方法。研究內容涵蓋了單人與多人行為、局部與全局特征、基于模板的方法和基于概率模型的方法,為智能視頻監(jiān)控系統(tǒng)的實用化提供理論依據(jù)。
　　 本文的主要工作和貢獻概述如下:
　　 (1)分段加權動態(tài)時間規(guī)劃法研究了步

3、態(tài)模型中多模板之間的關聯(lián)性,針對多模板之間關聯(lián)程度弱、不易度量的問題,提出了一種新的多模板相似性度量方法,即分段加權動態(tài)時間規(guī)劃法。在分析步行運動規(guī)律的基礎上,總結了步行過程中身體形狀的寬高比與各個姿態(tài)的對應關系。按照姿態(tài)的相似程度,將一個完整的步態(tài)周期劃分為八個連續(xù)的狀態(tài),從每個狀態(tài)中分別選取連續(xù)的三幀圖像作為特征幀。然后提取特征幀的步態(tài)輪廓,計算輪廓的質心點坐標,利用解卷繞法將二維輪廓線展開為一維信號,統(tǒng)計該信號量的長度,分析其統(tǒng)計

4、特征,確定標準化的參數(shù)值。將所有解卷繞后的數(shù)據(jù)標準化并插值,獲得每個數(shù)據(jù)點的值,并計算相同狀態(tài)一維信號的算術平均值,按順序構建對應狀態(tài)的模板。計算其各狀態(tài)模板與樣本的加權動態(tài)時間規(guī)劃距離,度量相似程度,判別測試序列所屬類別,提高了步態(tài)識別的準確率。在解卷繞過程中,為了精確地計算質心到輪廓邊界點之間的距離,提出了單像素輪廓點提取算法,解決了由于輪廓線像素寬度不統(tǒng)一而引起的展開誤差問題。該方法在建模過程中,充分分析了數(shù)據(jù)規(guī)律,并做了必要的數(shù)

5、據(jù)規(guī)范和插值,克服了因為數(shù)據(jù)尺度差異產(chǎn)生的誤差。
　　 (2)關鍵幀特征識別法研究了運動人體行為姿態(tài)的差異性,針對單人運動行為過程復雜、難于表征的問題,提出了一種新的行為模板識別方法,即關鍵幀特征識別法。通過對人體運動行為規(guī)律的研究,分析了各種行為的特征姿態(tài),總結了不同行為身體形狀的寬高比與對應特征姿態(tài)的關系,提出了一種特征姿態(tài)的檢測算法。該算法消除了噪聲點和關鍵幀誤差的影響,有利于從視頻序列中提取有效信息,減少冗余信息,降低計

6、算復雜度,提高計算效率。通過對()變換描述符的研究,總結了其在圖像描述方面的性質,利用該描述符分析了視頻序列中各種姿態(tài)的特征曲線及變化規(guī)律,通過計算同類特征姿態(tài)的算術平均值建立了關鍵姿態(tài)模板,降低了誤差。該方法充分利用關鍵姿態(tài)差異大的特點,采用動態(tài)時間覘劃方法計算模板與測試樣本之間的距離,度量相似程度,判別測試樣本所屬行為類別。它克服了序列數(shù)據(jù)之間剛性比較的缺點,實現(xiàn)了柔性比較,提高了行為識別的準確率。
　　 (3)關鍵點特征分

7、類法研究了運動人體行為特征的簡化表示問題,針對單人運動行為特征數(shù)據(jù)冗余、計算復雜度高的問題,提出了一種新的行為特征簡化表示與分類方法,即關鍵點特征分類法。通過研究人體運動行為的規(guī)律,分析了行為輪廓表示法的缺點,總結了運動行為的特點,提出了關鍵點特征表示法,減少了噪聲的干擾,克服了輪廓特征數(shù)據(jù)冗余和維數(shù)高的缺點,達到了行為特征簡化表示的目的。分析了隱馬爾可夫模型的結構和參數(shù)關系,根據(jù)特征向量的維數(shù)關系,表示了行為的初始迭代參數(shù),提出了觀測

8、概率的表示方法,解決了特征向量維度過高的問題,降低了計算復雜度。利用Baum—Welch算法迭代估計參數(shù),通過Viterbi算法估計產(chǎn)生最大概率的路徑,利用內積度量距離,解決了因樣本數(shù)量有限而產(chǎn)生的參數(shù)估計欠精確問題,提高了人體行為分類的準確率。
　　 (4)交互行為整體分類法研究了兩人交互行為的整體表示問題,針對交互行為中兩人相互關系不易表示的問題,提出了一種新的兩人交互行為分類方法,即交互行為整體分類法。通過研究兩人交互行為

9、的過程,總結了交互行為的變化規(guī)律,根據(jù)交互過程中兩人之間的聯(lián)系緊密程度劃分了三個階段,分析了各階段行為的特點,提出了交互行為特征整體表示法,避免了在個人行為表示的基礎上分析兩人的相互關系,簡化了交互行為特征的表示過程,降低了誤差。通過分析隱馬爾可夫模型的結構和參數(shù)依賴關系,設置了行為模型的初始參數(shù),利用Baum-Welch算法迭代估計參數(shù),通過Viterbi算法估計產(chǎn)生最大概率的路徑,達到判別交互行為類別的目的。該方法有效地保持了時變數(shù)

10、據(jù)的順序關系,解決了模板法中時變數(shù)據(jù)間關聯(lián)性弱的問題,提高了交互行為分類的準確率。
　　 (5)整體特征判別分類法研究了運動人體行為各姿態(tài)之間的關聯(lián)性問題,針對隱馬爾可夫模型各狀態(tài)間獨立性弱的問題,提出了一種新的運動人體行為分類方法,即整體特征判別分類法。研究了人體運動行為的變化規(guī)律,總結了各種行為的姿態(tài)特征,結合()變換描述符在圖像方面的性質,分析了各種行為姿態(tài)的倪變換曲線及變化規(guī)律,歸納了曲線與行為變化規(guī)律之間的聯(lián)系。然后研