基于改進(jìn)隨機森林的靜態(tài)圖像人體行為識別技術(shù)研究.pdf

1、人體行為識別是計算機視覺的研究難點與熱點，在智能視頻監(jiān)控和運動分析等領(lǐng)域有著廣泛的應(yīng)用前景。但目前大部分研究者主要針對視頻中的行為展開研究。然而，人類的視覺往往根據(jù)單張圖像就可判斷圖像中發(fā)生的行為。基于單張靜態(tài)圖像的人體行為識別，挑戰(zhàn)性更大，是近年來人體行為識別研究的一個趨勢，更是探索人類視覺奧秘的一個很好切入點。因此，開展靜態(tài)圖像人體行為識別具有重要的應(yīng)用價值和理論意義。
　　目前靜態(tài)圖像人體行為識別領(lǐng)域還處于起步階段，對于圖像

2、上下文信息對識別精度的影響、不同行為類之間的相似性等問題的研究相對較少。針對這些問題，本文提出基于改進(jìn)隨機森林的靜態(tài)圖像人體行為識別方法。論文的主要工作和創(chuàng)新點如下:
　　1、針對在圖像分類中屬于相同類別的圖像可能包含不同人體行為的問題，研究影響圖像分類精度的因素是否同樣對靜態(tài)圖像人體行為識別起作用。使用常用的基于詞袋模型的分類方法，在不同的圖像表示條件下進(jìn)行靜態(tài)圖像人體行為識別，研究圖像的背景信息以及圖像特征的空間分布信息對于識

3、別精度的影響。通過對實驗結(jié)果的分析，得出了圖像背景信息以及圖像特征的空間分布信息有利于提高靜態(tài)圖像人體行為識別精度的結(jié)論。
　　2、針對現(xiàn)有靜態(tài)圖像人體行為識別方法容易受到不同行為類之間相似性的影響，提出基于改進(jìn)隨機森林的靜態(tài)圖像人體行為識別方法。方法中使用圖像與其他類圖像區(qū)別最明顯的局部區(qū)域而不是圖像的整體作為圖像的分類依據(jù)。由于隨機森林在處理大數(shù)據(jù)上的優(yōu)勢，使用隨機森林進(jìn)行圖像局部區(qū)域的尋找以及最后的分類。與傳統(tǒng)隨機森林使用弱

4、分類器不同，本方法在隨機森林的內(nèi)部結(jié)點中使用了強分類器SVM，降低了隨機森林的泛化誤差，提高了隨機森林的分類精度。最后通過實驗證明，此方法的分類精度優(yōu)于一般常用方法。
　　總之，本文從圖像表示和圖像分類依據(jù)兩個問題入手，首先通過在不同的圖像表示條件下進(jìn)行靜態(tài)圖像人體行為識別，研究圖像的背景信息和圖像特征的空間分布信息對于識別精度的影響，然后針對不同行為類之間相似性的問題，提出了基于改進(jìn)隨機森林的靜態(tài)圖像人體行為識別方法，最后通過試