基于移動軌跡分析的大鼠行為識別研究.pdf

1、移動目標(biāo)的檢測一直是計算機(jī)視覺領(lǐng)域的研究熱點之一，在安防、軍事、導(dǎo)航、監(jiān)控、科學(xué)研究等領(lǐng)域有著廣泛的應(yīng)用。隨著計算機(jī)技術(shù)的發(fā)展與國家互聯(lián)網(wǎng)+戰(zhàn)略的實施，視頻檢測與計算機(jī)視覺算法會有越來越多的用途，其中移動目標(biāo)的行為識別是很重要的一個分支。
　　本文以大鼠機(jī)器人視頻為研究對象，對視頻中大鼠的前景提取與基于移動軌跡的行為識別兩個問題進(jìn)行了相關(guān)的研究和探討。對于目標(biāo)識別，采用了Vibe背景建模與前景檢測算法，相比普通的背景差分，成功提高

2、了大鼠機(jī)器人前景檢測的準(zhǔn)確性;而對于行為識別問題，提出了基于模擬退火策略的軌跡點去噪算法，并提取了軌跡的曲率序列特征，在此基礎(chǔ)上提出了基于曲率序列特征與概率方法相結(jié)合的行為識別方法。具體而言，主要包括以下內(nèi)容:
　　1)使用Vibe算法準(zhǔn)確而高效的將大鼠視頻進(jìn)行前景與背景的分離，大大提升了大鼠機(jī)器人前景二值圖的質(zhì)量，并能有效的適應(yīng)光照變化、攝像頭抖動等噪聲的影響。
　　2)通過分析大鼠機(jī)器人前景圖，提取出視頻每幀中大鼠的中心

3、點，并利用模擬退火算法提取出路徑軌跡的主干點。如果需要重現(xiàn)軌跡，可以利用B樣條插值算法對軌跡進(jìn)行擬合。這大大節(jié)省了視頻軌跡數(shù)據(jù)的存儲空間，并消除了絕大部分抖動噪聲的影響，使軌跡數(shù)據(jù)的可用性更強(qiáng)。
　　3)根據(jù)大鼠運(yùn)動軌跡及其時序性，提出了自適應(yīng)地圖分塊算法，之后在此基礎(chǔ)上提出了基于馬爾可夫鏈的行為識別模型并取得了不錯的效果。最后我們提出了大鼠運(yùn)動軌跡的曲率序列特征并結(jié)合SVM分類器極大改善了概率分類器的性能，使大鼠行為識別的準(zhǔn)確率