基于視覺的人體行為識別技術(shù)研究.pdf

1、人體行為識別是機器視覺的重要研究方向之一，其在智能監(jiān)控、人機交互等方面有著廣闊的應(yīng)用前景，同時由于人體行為的復(fù)雜性，目前對其研究尚處于起步階段。本文對單人人體行為識別技術(shù)進行了研究。
　　首先，根據(jù)人類對行為描述的直觀思維，研究了基于整體特征的人體行為識別算法。為了提取出人體目標，對比研究了主流的運動目標檢測算法。由于人體目標可能存在平移、縮放、旋轉(zhuǎn)等幾何失真，本文采用仿射不變矩提取行為特征，并使用基于DTW的模板匹配算法實現(xiàn)行為

2、識別。在KTH行為數(shù)據(jù)庫上的驗證實驗結(jié)果表明，基于整體特征的人體行為識別算法取得了47.22％的識別率。
　　然后，針對人體目標分割不準確導(dǎo)致基于整體特征的行為識別算法效果不佳的問題，研究了基于時空興趣點的人體行為描述方法，該方法無需精確的人體定位與分割。針對視頻序列提取的時空興趣點數(shù)個數(shù)不一而導(dǎo)致無法直接分類的問題，本文采用詞袋模型的思想，將視頻序列表示為詞袋中視覺關(guān)鍵詞的統(tǒng)計直方圖，使得各個視頻序列可以用相同維數(shù)的特征向量來描

3、述。由于時空興趣點位置信息包含的行為特征較少，本文研究了基于局部特征的時空興趣點描述算法。針對局部亮度特征對人體衣著和背景光照變化比較敏感的問題，本文研究了基于局部梯度方向直方圖特征與局部Haar特征的時空興趣點描述方法，并利用主成分分析降低其維數(shù)，減小計算復(fù)雜度。在KTH行為數(shù)據(jù)庫上的驗證實驗表明，采用局部梯度方向直方圖特征的行為識別率為87.36%，采用局部Haar特征的行為識別率為86.39%，分別比局部亮度特征提高了36.52%