視頻中人體行為分析研究.pdf

1、人體行為分析是當(dāng)前計算機視覺以及模式識別領(lǐng)域中的研究熱點之一，它在智能監(jiān)控、醫(yī)學(xué)以及電子游戲等方面的應(yīng)用十分廣泛。本文針對人體行為分析系統(tǒng)中的幾個主要內(nèi)容進行了研究，并對現(xiàn)存的一些問題提出了改進方法，本文的主要工作如下：
　　首先，提出了一種基于幀差法的人體運動檢測及人體輪廓和內(nèi)部骨架提取算法。為改善運動人體檢測的效果，提出了基于極值抑制的方法。實驗表明，引入極值抑制后，一些干擾區(qū)域被抑制，檢測效果較好。
　　其次，提出了四

2、種針對粒子濾波中人體運動跟蹤誤差較大的解決方法，分別為細化目標(biāo)特征的更新、修正粒子濾波預(yù)測值、調(diào)整顏色直方圖和寬度特征權(quán)值分配以及調(diào)用運動人體檢測數(shù)據(jù)庫。仿真結(jié)果證實了該算法的有效性。
　　第三，提出了基于非負(fù)矩陣分解（Non-negative Matrix Factorization，NMF）和粒子濾波的人體運動檢測和跟蹤方法。根據(jù)非負(fù)矩陣分解結(jié)果非負(fù)的特點，分別通過 NMF和分塊非負(fù)矩陣分解（Brick Non-negativ

3、e Matrix Factorization，BNMF）對圖像的陰影區(qū)域進行檢測，從而實現(xiàn)人體與陰影的分離；基于NMF對粒子濾波初始化階段進行特征表示，并結(jié)合NMF的特點在粒子搜索階段給出了新的相似性度量公式。實驗表明，該方法跟蹤精度高且運行速度達到要求。
　　第四，提出一種基于圖像整體寬度特征的人體行為識別方法。通過在判別函數(shù)中引入最大寬度、中間寬度、平均寬度三種參數(shù)，基于系統(tǒng)聚類提取視頻的關(guān)鍵幀，同時采用單幀圖像表示一類圖像、