基于視覺的人體運(yùn)動分析算法研究.pdf

1、基于視覺的人體運(yùn)動分析是計(jì)算機(jī)視覺研究領(lǐng)域的重要課題之一，被廣泛地應(yīng)用于智能監(jiān)控、人機(jī)交互以及虛擬現(xiàn)實(shí)等領(lǐng)域中。人體運(yùn)動分析的主要目的是從視頻序列中檢測、跟蹤、識別人體姿勢，并對其行為進(jìn)行理解和描述。本文針對運(yùn)動分析中的關(guān)鍵問題——運(yùn)動目標(biāo)檢測、目標(biāo)跟蹤以及行為識別算法進(jìn)行了研究。 本文實(shí)現(xiàn)了基于高斯混合模型的背景減除算法，采用基于自適應(yīng)學(xué)習(xí)速率的背景模型學(xué)習(xí)算法，加快模型收斂速度，在初始場景中存在運(yùn)動目標(biāo)的情況下也能達(dá)到比較理

2、想的效果。 本文對目標(biāo)跟蹤算法的研究主要是以粒子濾波技術(shù)為理論框架，將目標(biāo)的顏色信息引入到粒子濾波算法中，建立目標(biāo)的顏色統(tǒng)計(jì)直方圖，使得算法需要的粒子數(shù)減少，計(jì)算復(fù)雜度降低。該方法對于目標(biāo)被部分遮擋、旋轉(zhuǎn)以及形變等情況有較強(qiáng)的適應(yīng)性。 本文的行為識別算法是建立在對人體行為觀測的基礎(chǔ)上的，用一種改進(jìn)的基于人體區(qū)域的形狀上下文技術(shù)表示人體輪廓形狀，通過對訓(xùn)練樣本集進(jìn)行學(xué)習(xí)，利用最佳狀態(tài)數(shù)估計(jì)法建立連續(xù)隱馬爾可夫模型之后，利用

3、貝葉斯判別準(zhǔn)則，實(shí)現(xiàn)了對人體行為如走、跑、雙腳合攏跳躍、單腳跳躍和側(cè)向跳躍五種行為的識別。 本文的創(chuàng)新點(diǎn)有三個(gè)： 1.基于自適應(yīng)學(xué)習(xí)速率的背景模型學(xué)習(xí)算法從兩個(gè)方面對傳統(tǒng)的基于高斯混合模型的背景減除算法做出改進(jìn)。一方面，針對模型初始化階段的問題，采用背景模型學(xué)習(xí)算法；另一方面，在模型建立和更新過程中，采用不同的學(xué)習(xí)機(jī)制，模型更新時(shí)采用自適應(yīng)的學(xué)習(xí)速率，使模型能夠快速準(zhǔn)確地收斂。 2.用基于人體區(qū)域的形狀上下文描述