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

1、人體行為識(shí)別是計(jì)算機(jī)視覺的研究難點(diǎn)與熱點(diǎn)，在智能視頻監(jiān)控和運(yùn)動(dòng)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(duì)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?；趩螐堨o態(tài)圖像的人體行為識(shí)別，挑戰(zhàn)性更大，是近年來人體行為識(shí)別研究的一個(gè)趨勢(shì)，更是探索人類視覺奧秘的一個(gè)很好切入點(diǎn)。因此，開展靜態(tài)圖像人體行為識(shí)別具有重要的應(yīng)用價(jià)值和理論意義。
　　目前靜態(tài)圖像人體行為識(shí)別領(lǐng)域還處于起步階段，對(duì)于圖像

2、上下文信息對(duì)識(shí)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(duì)較少。針對(duì)這些問題，本文提出基于改進(jìn)隨機(jī)森林的靜態(tài)圖像人體行為識(shí)別方法。論文的主要工作和創(chuàng)新點(diǎn)如下:
　　1、針對(duì)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(duì)靜態(tài)圖像人體行為識(shí)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(shí)別，研究圖像的背景信息以及圖像特征的空間分布信息對(duì)于識(shí)

3、別精度的影響。通過對(duì)實(shí)驗(yàn)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(shí)別精度的結(jié)論。
　　2、針對(duì)現(xiàn)有靜態(tài)圖像人體行為識(shí)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(jī)森林的靜態(tài)圖像人體行為識(shí)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(jī)森林在處理大數(shù)據(jù)上的優(yōu)勢(shì)，使用隨機(jī)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(jī)森林使用弱

4、分類器不同，本方法在隨機(jī)森林的內(nèi)部結(jié)點(diǎn)中使用了強(qiáng)分類器SVM，降低了隨機(jī)森林的泛化誤差，提高了隨機(jī)森林的分類精度。最后通過實(shí)驗(yàn)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(gè)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(shí)別，研究圖像的背景信息和圖像特征的空間分布信息對(duì)于識(shí)別精度的影響，然后針對(duì)不同行為類之間相似性的問題，提出了基于改進(jìn)隨機(jī)森林的靜態(tài)圖像人體行為識(shí)別方法，最后通過試