礦井視頻中人體行為檢測(cè)方法研究.pdf

1、近年來(lái)視頻中人體行為檢測(cè)已經(jīng)成為計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)研究熱點(diǎn)，它通過(guò)圖像處理、模式識(shí)別等方法對(duì)視頻數(shù)據(jù)進(jìn)行分析處理，從而建立底層數(shù)據(jù)和高層語(yǔ)義之間的關(guān)系，在人機(jī)交互、智能監(jiān)控等領(lǐng)域有廣泛的應(yīng)用。將人體行為檢測(cè)技術(shù)應(yīng)用到礦井視頻中可以檢測(cè)礦井下礦工的異常行為，基于檢測(cè)結(jié)果實(shí)現(xiàn)實(shí)時(shí)報(bào)警和聯(lián)動(dòng)控制，減少礦井事故的發(fā)生。
　　論文主要研究礦井場(chǎng)景下的人體行為檢測(cè)，希望能夠?qū)ΦV井視頻中人體的常見(jiàn)行為進(jìn)行分類。在分析視頻人體行為檢測(cè)領(lǐng)域的研究

2、成果的基礎(chǔ)上，主要從人體運(yùn)動(dòng)區(qū)域提取、人體行為特征提取與表示和人體行為分類三個(gè)方面研究礦井視頻中人體行為檢測(cè)。論文的主要研究?jī)?nèi)容如下：
　　(1)提出了一種實(shí)現(xiàn)人體運(yùn)動(dòng)區(qū)域提取的融合算法，該算法融合了基于Haar特征的人體檢測(cè)算法和時(shí)間差分法提取人體運(yùn)動(dòng)區(qū)域算法。首先利用時(shí)間差分法對(duì)背景建模，獲得初步人體運(yùn)動(dòng)區(qū)域；然后使用基于Haar特征的Adaboost訓(xùn)練算法生成分類器，提取更加精確的人體運(yùn)動(dòng)區(qū)域，降低了復(fù)雜背景對(duì)檢測(cè)精度的影

3、響。
　?。?）使用Harris3D角點(diǎn)檢測(cè)算法檢測(cè)視頻中的時(shí)空興趣點(diǎn)，計(jì)算時(shí)空興趣點(diǎn)鄰域的HOG和HOF特征，并歸一化處理。
　　（3）建立特征包模型，并使用支持向量機(jī)進(jìn)行分類。對(duì)訓(xùn)練集視頻所有的HOG/HOF特征使用K均值聚類算法聚類獲得特征包模型的詞典，通過(guò)計(jì)算訓(xùn)練集各個(gè)興趣點(diǎn)的HOG/HOF特征和特征包模型中詞匯的歐氏距離形成每段視頻的視覺(jué)詞匯直方圖,將直方圖轉(zhuǎn)換為特征向量；使用這些特征向量訓(xùn)練SVM分類器，并利用S