基于视频的人体行为识别技术研究

西南科技大学硕士研究生学位论文第IV页

1绪论 (1)

1.1 引言 (1)

1.2 课题研究背景及意义 (1)

1.3 国内外研究现状 (3)

1.4 主要研究内容 (5)

1.5 论文组织结构 (7)

2基于改进混合高斯背景模型的人体目标检测 (8)

2.1 引言 (8)

2.2 视频图像预处理 (8)

2.2.1 图像平滑处理 (8)

2.2.2 直方图均衡化 (10)

2.3 人体目标检测方法研究 (11)

2.3.1 光流法 (11)

2.3.2 帧间差分法 (13)

2.3.3 背景差分法 (15)

2.4 混合高斯模型的一种改进算法 (17)

2.4.1 高斯混合背景模型 (17)

2.4.1.1 模型定义与参数初始化 (17)

2.4.1.2 模型匹配与参数更新 (18)

2.4.1.3 前景目标检测 (18)

2.4.2 改进混合高斯模型的算法思想 (18)

2.4.2.1 更新率和方差的改进 (19)

2.4.2.2 学习率的在线更新 (20)

2.4.3 数学形态学处理 (21)

2.5 实验结果与分析 (22)

2.6 本章小结 (24)

西南科技大学硕士研究生学位论文第V页3基于多特征融合的人体行为特征描述 (25)

3.1 特征提取概述 (25)

3.1.1 特征提取与优化 (26)

3.1.2 特征提取过程 (26)

3.2 形状特征描述 (27)

3.2.1 人体目标轮廓提取 (27)

3.2.2 最小外接矩形 (29)

3.3 时空兴趣点检测与描述 (30)

3.3.1 3-D Harris的时空兴趣点检测算法 (31)

3.3.2 实验结果与分析 (34)

3.4 区域特征描述方法 (35)

3.4.1 Hu不变矩特征提取 (35)

3.4.2 HOG梯度直方图特征提取 (37)

3.5 基于K-L变换的时空局部特征融合 (39)

3.5.1 特征的归一化处理 (40)

3.5.2 K-L变换的特征融合 (40)

3.6 本章小结 (41)

4层次分类思想与多分类器结合的行为识别 (43)

4.1 层次分类思想 (43)

4.1.1 基于特征复杂度的特征分层 (43)

4.1.2 基于特征重要性的特征分层 (43)

4.2 层次分类行为识别架构 (44)

4.3 支持向量机分类原理 (45)

4.3.1 最大间隔原则 (48)

4.3.2 多类分类器设计 (50)

4.4 实验结果与分析 (51)

4.4.1 层次分类的实验结果与分析 (52)

4.4.2 单一特征与特征融合对比实验 (54)

4.4.3 SVM与BP神经网络识别对比实验 (55)

西南科技大学硕士研究生学位论文第VI页4.5 本章小结 (56)

5人体行为识别系统设计与实现 (57)

5.1 系统功能介绍 (57)

5.2 研究开发平台 (58)

5.3 系统运行结果 (59)

5.4 本章小结 (60)

结论 (61)

致谢 (63)

参考文献 (64)

攻读硕士学位期间发表的论文及科研成果 (69)

西南科技大学硕士研究生学位论文第1页

1绪论

1.1引言

人体行为识别技术已经成为数字图像处理与模式识别领域中研究的一个热点方向，虽然还处于研究的初级阶段，但在现实生活中有着的十分广泛应用领域与研究价值。近年来，计算机视觉研究集中在尝试建立一个从底层的图像或视频数据到高层信息决策的人工智能系统。人体目标的行为动作在空间上表现出复杂性，比如在光照、视角和背景都不同的情况下，相同的人体行为动作呈现出差异性。此外，还存在人体遮挡和多人交互行为等场景所导致的复杂多变性。不同人体目标在同一时间做相同动作时也会有差异，且在时间上不可预测。综合以上问题，可以清晰看出人体行为识别是一个十分复杂的系统而且是一个极具挑战性的研究方向，虽然国内外都出现了一些研究

1.2课题研究背景及意义

近年来，伴随着电子信息技术的飞速发展，计算机在计算能力和储存能力等方面也取得了突飞猛进的进步。人们开始利用计算机去进行一些复杂的计算工作，并结合人类的先验知识和生活中的经验使计算机系统具有像人类大脑运行模式的功能，代替广大工作人员对视频图像信息进行枯燥的人为分析判断。计算机视觉作为当今计算机的重要应用领域之一，主要是通过摄像头获得图像信息，并对捕获到的图像信息进行数字图像处理，以达到对图像信息的理解与分析。计算机视觉在现实生活的应用，有利于提高生产效率和节约劳动成本，对提高人们的生活水平有重要意义。本课题主要研究图像处理技术在人体行为识别方面的应用。

视频图像的人体行为识别主要涵盖人体目标检测、目标特征提取与选择和人体行为分析三个核心部分，它涉及到及其视觉、人工智能、智能控制理论与模式识别等多个领域技术研究。所以，进行人体行为识别技术的相关研究，对促进计算机智能视觉处理技术的发展同样有着重大意义。随着人们生活质量的提高，社会安全问题愈来愈引起人们的重视，并且视频监控系统在各个公共场所更是随处可见。但是传统的视频监控系统主要是通过摄像头采集图像信息传回监控室，需要靠人力监视监控画面进行判断是否有安全隐患或者是异常行为发生，这不但使监控人员视觉疲劳而且还造成了不必要的人力资源浪费。更主要的是不能实现监控系统的主动监督，假如监控系统中出