視頻中的人體運(yùn)動(dòng)分析及其應(yīng)用研究.pdf

1、基于視覺的人體運(yùn)動(dòng)分析是指對(duì)視頻中的運(yùn)動(dòng)人體進(jìn)行檢測(cè)、識(shí)別和跟蹤，并理解和描述人體行為，它是計(jì)算機(jī)視覺領(lǐng)域中一個(gè)新興的研究方向。人體運(yùn)動(dòng)分析系統(tǒng)通常涉及圖像預(yù)處理、運(yùn)動(dòng)目標(biāo)檢測(cè)和識(shí)別、運(yùn)動(dòng)人體跟蹤、人體行為理解與描述等幾個(gè)主要研究內(nèi)容。目前在運(yùn)動(dòng)目標(biāo)檢測(cè)、識(shí)別及跟蹤上得到相對(duì)成熟的研究成果，而在人體行為理解與描述方面，仍然存在大量問題亟待解決。
　　 本文就人體運(yùn)動(dòng)分析系統(tǒng)中的圖像平滑、跟蹤算法的尺度自適應(yīng)性，以及人體行為理解等

2、問題展開研究，取得的主要成果包括：
　　 (1)提出了一種基于視覺掩蔽效應(yīng)的各向異性擴(kuò)散系數(shù)方程，改進(jìn)了各向異性擴(kuò)散圖像平滑算法，能有效濾除人體運(yùn)動(dòng)序列圖像中的噪聲。比較了現(xiàn)有幾種基于各向異性擴(kuò)散方程的平滑算法的性能，實(shí)驗(yàn)結(jié)果表明，本文方法不僅使恢復(fù)圖像質(zhì)量更好，信噪比更高，且算法的收斂速度快。
　　 (2)由于Mean-Shift算法和粒子濾波算法在目標(biāo)尺寸變化大時(shí)不能準(zhǔn)確跟蹤，定義了多尺度圖像信息量(MSIIM)，基

3、于此信息量，提出了一種自動(dòng)更新跟蹤窗口尺寸的目標(biāo)跟蹤算法。實(shí)驗(yàn)結(jié)果表明，本文改進(jìn)的跟蹤算法，對(duì)逐漸增大的運(yùn)動(dòng)目標(biāo)和逐漸減小的運(yùn)動(dòng)目標(biāo)都能實(shí)現(xiàn)準(zhǔn)確地實(shí)時(shí)跟蹤。
　　 (3)提出了一種無監(jiān)督的人體運(yùn)動(dòng)序列分割算法，并對(duì)分割出的行為段采用隱馬爾可夫模型(HMM)識(shí)別。然而，當(dāng)前多數(shù)行為識(shí)別算法只關(guān)注于識(shí)別包含單個(gè)行為模式的行為段，忽略了運(yùn)動(dòng)序列的分割。本文提出通過檢測(cè)特征向量的本征維數(shù)的突變點(diǎn)實(shí)現(xiàn)運(yùn)動(dòng)序列的分割，本征維數(shù)采用主成分分析

4、(PCA)方法估計(jì)。提出了一種基于緊輪廓編碼的點(diǎn)集特征描述運(yùn)動(dòng)人體。在當(dāng)前最常用的兩個(gè)公共數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明本文算法的有效性。
　　 (4)采用安裝在室內(nèi)墻體上的Panasonic(WV-CW960)攝像頭自行拍攝了人體各類行為視頻，建立了行為數(shù)據(jù)庫OwnSet，作為后續(xù)行為識(shí)別和異常檢測(cè)算法的研究對(duì)象。實(shí)驗(yàn)場(chǎng)景符合實(shí)際監(jiān)控場(chǎng)景，數(shù)據(jù)庫共包含六種行為：行走、慢跑、坐下、蹲下、跌倒和不動(dòng)行為(站立、蹲著、坐著)。
　　

5、 (5)提出了一個(gè)多類行為分類識(shí)別系統(tǒng)，包含四個(gè)模塊：視頻采集、運(yùn)動(dòng)目標(biāo)檢測(cè)與定位、特征提取以及行為分類識(shí)別。在運(yùn)動(dòng)目標(biāo)檢測(cè)與定位模塊，采用背景減除法；在特征提取模塊，分別提出了運(yùn)動(dòng)能量序列(MES)和運(yùn)動(dòng)能量圖像輪廓編碼(CCMEI)特征；在行為識(shí)別模塊，引入了分層分類的思想，分別提出了基于先驗(yàn)知識(shí)的決策樹支持向量機(jī)多分類器和基于聚類的決策樹支持向量機(jī)多分類器，且后者比前者更具有通用性。在數(shù)據(jù)庫OwnSet和公共數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明

6、本文提出的系統(tǒng)對(duì)不完整的運(yùn)動(dòng)人體塊，嚴(yán)重的陰影，以及各種不同的衣著等都表現(xiàn)出了穩(wěn)定的識(shí)別性能，識(shí)別率明顯高于已有算法。
　　 (6)研究了人體運(yùn)動(dòng)分析在智能監(jiān)控中的應(yīng)用，提出了家居看護(hù)中的日常行為異常檢測(cè)算法，實(shí)現(xiàn)在無人照看的老人、小孩或病人遇到跌倒危險(xiǎn)時(shí)監(jiān)控系統(tǒng)給出及時(shí)告警。提出了基于組合分類器的跌倒檢測(cè)算法，從OwnSet數(shù)據(jù)庫的六種行為中檢測(cè)出跌倒；提出了基于支持向量機(jī)分類器的跌倒檢測(cè)算法，不僅能檢測(cè)跌倒行為，還能區(qū)分是行