基于隨機(jī)場(chǎng)模型的人體動(dòng)作識(shí)別.pdf

1、人體行為識(shí)別是對(duì)包含人體運(yùn)動(dòng)的圖像序列進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤,并在此基礎(chǔ)上利用人體動(dòng)作過程視覺模式的動(dòng)態(tài)變化特征對(duì)特定動(dòng)作進(jìn)行建模和識(shí)別。人體行為識(shí)別是當(dāng)前計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的研究熱點(diǎn),并在視頻監(jiān)控、數(shù)字娛樂、人機(jī)交互等具有廣闊應(yīng)用前景。
　　本文對(duì)人體行為識(shí)別方法進(jìn)行了相關(guān)研究,主要研究內(nèi)容包括:1)運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤:通過背景建模和背景差法實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)檢測(cè),在此基礎(chǔ)上,采用均值飄移算法實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)跟蹤,從而實(shí)現(xiàn)了運(yùn)

2、動(dòng)目標(biāo)所在時(shí)空區(qū)域提取,作為后續(xù)人體行為識(shí)別對(duì)象;2)圖像特征提取:主要研究的視覺特征包括多尺度多方向蓋伯特征組(Gist)、形狀上下文特征(Shape Context)、視覺詞組直方圖(Bag of Words,縮寫:BoW),從而實(shí)現(xiàn)了對(duì)人體動(dòng)作特征的視覺描述;3)動(dòng)作建模:主要研究了能夠挖掘時(shí)間序列潛在結(jié)構(gòu)化特性的三類隨機(jī)場(chǎng)模型(條件隨機(jī)場(chǎng)、隱條件隨機(jī)場(chǎng)和潛層動(dòng)態(tài)條件隨機(jī)場(chǎng))的構(gòu)建、學(xué)習(xí)和推斷,并基于各模型實(shí)現(xiàn)了人體動(dòng)作的建模和性

3、能分析。
　　本文的實(shí)驗(yàn)是用Matlab仿真實(shí)現(xiàn)的,利用當(dāng)前領(lǐng)域里流行的人體動(dòng)作識(shí)別公共數(shù)據(jù)庫(Weizmann數(shù)據(jù)庫和KTH數(shù)據(jù)庫)對(duì)所研究視覺特征及時(shí)序模型性能進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明:所采用圖像特征能夠表征人體結(jié)構(gòu)和形狀視覺特性,并且隨機(jī)場(chǎng)模型有利于挖掘動(dòng)作序列的內(nèi)在結(jié)構(gòu)特性實(shí)現(xiàn)動(dòng)作序列建模和推斷,因此所構(gòu)建動(dòng)作模型能夠有效實(shí)現(xiàn)人體多類動(dòng)作識(shí)別;由進(jìn)一步對(duì)比實(shí)驗(yàn)和分析可知,因?yàn)殡[狀態(tài)的引入,使得隱條件隨機(jī)場(chǎng)對(duì)非結(jié)構(gòu)化的動(dòng)作序