視頻中的人體行為分析關(guān)鍵技術(shù)研究.pdf

1、計算機(jī)視覺的研究在過去的三十多年中飛速發(fā)展，人體行為分析在智能監(jiān)控、人機(jī)交互、虛擬現(xiàn)實(shí)和基于內(nèi)容的視頻檢索與解說等方面有著廣泛的應(yīng)用前景和潛在的經(jīng)濟(jì)價值，成為了計算機(jī)視覺領(lǐng)域中備受關(guān)注的前沿方向之一。隨著其應(yīng)用范圍的不斷擴(kuò)大以及應(yīng)用需求的不斷增長，復(fù)雜背景下的人體目標(biāo)特征提取與描述算法成為該領(lǐng)域內(nèi)的研究難點(diǎn)以及重點(diǎn)問題。
　　首先，改進(jìn)了一種基于消除攝像機(jī)抖動影響的密集點(diǎn)軌跡特征描述算法。該算法在原提取密集點(diǎn)軌跡特征的基礎(chǔ)上，考慮

2、了原始視頻中存在攝像機(jī)抖動影響畫質(zhì)這一主要因素，在預(yù)處理過程中，提取SURF特征和高效光流特征，采用隨機(jī)抽樣一致算法進(jìn)行特征點(diǎn)匹配，使視頻畫質(zhì)增強(qiáng)，進(jìn)一步提高識別結(jié)果。
　　其次，在人體行為識別算法方面，將基于字典對學(xué)習(xí)的人體行為識別算法應(yīng)用于視頻分析中，通過引入輔助域，與原始訓(xùn)練集（文中也稱為目標(biāo)域）共同進(jìn)行字典學(xué)習(xí)，重建字典對，獲得稀疏表示，有效地擴(kuò)充了訓(xùn)練集的類內(nèi)多樣性，減小了由于類內(nèi)多樣性而帶來的錯判率。在人體行為視頻數(shù)據(jù)

3、的表示方式上，密集點(diǎn)軌跡作為特征描述方式，然后進(jìn)行字典對學(xué)習(xí)，獲得動作類相應(yīng)的稀疏表示，本文算法為字典學(xué)習(xí)和訓(xùn)練分類的過程合并起來的學(xué)習(xí)框架，可利用字典對學(xué)習(xí)算法中的重建誤差進(jìn)行分類。
　　最后，實(shí)驗(yàn)在MATLAB仿真條件下，實(shí)施了對人體行為特征提取與描述和人體行為識別算法的兩組實(shí)驗(yàn)。人體行為特征提取與描述算法方面，與SIFT點(diǎn)軌跡以及KLT軌跡對比，證明本文軌跡可以處理變化模式快速且不規(guī)則的運(yùn)動模式。人體行為識別算法方面，將UC