人體行為識別技術(shù)研究.pdf

1、視頻序列中的運(yùn)動人體檢測與行為識別是一項(xiàng)涉及計算機(jī)視覺、模式識別及人工智能等多領(lǐng)域的研究課題，因其在商業(yè)、醫(yī)療和軍事等領(lǐng)域中廣泛的應(yīng)用價值，一直是人們研究的熱點(diǎn)。然而，因?yàn)槿梭w行為的多樣性和非剛性及視頻圖像固有的復(fù)雜性，所以要提出一種穩(wěn)健而又實(shí)時準(zhǔn)確的方法仍然是一個極具挑戰(zhàn)的工作。
　　本文主要對人體運(yùn)動目標(biāo)的檢測和行為識別技術(shù)進(jìn)行研究。在運(yùn)動目標(biāo)檢測方面，采用K均值聚類的思想對混合高斯模型進(jìn)行初始化，節(jié)約了存儲空間并使初始化的高

2、斯模型更符合背景場景模型。根據(jù)場景中不同區(qū)域不同時間所需要的高斯模型的個數(shù)不同，對混合高斯模型中高斯成分的個數(shù)進(jìn)行了自適應(yīng)的選擇，將多余的高斯成分去除，節(jié)約了存儲空間并提高了檢測的速度。在運(yùn)動目標(biāo)陰影檢測和去除時，針對現(xiàn)有陰影檢測方法的不足，提出采用勿需提前設(shè)定閾值的改進(jìn)的自適應(yīng)陰影檢測方法，在陰影檢測時，采用只對混合高斯模型檢測出的可能為運(yùn)動目標(biāo)或陰影的區(qū)域進(jìn)行陰影的判斷和去除。既保證了陰影檢測的準(zhǔn)確性，又能提高算法的實(shí)時性。

3、　　針對現(xiàn)有基于Radon變換的特征提取和運(yùn)動描述不具有縮放不變性的不足，提出采用改進(jìn)的Radon變換提取視頻序列每一幀中運(yùn)動人體區(qū)域最小外接矩形的Radon變換特征，并提取外接矩形的高寬比。該方法不僅具有平移不變性，而且具有縮放不變性。在特征提取和運(yùn)動描述之前不再需要縮放歸一化處理，使特征的提取和運(yùn)動的描述更具有魯棒性。有利于后續(xù)人體行為分析識別。論文提出了一種基于分段二維主成分分析（分段2DPCA）的人體行為識別方法。提高了行為識別