礦井視頻中人體行為檢測方法研究.pdf

1、近年來視頻中人體行為檢測已經(jīng)成為計算機視覺領(lǐng)域的一個研究熱點，它通過圖像處理、模式識別等方法對視頻數(shù)據(jù)進行分析處理，從而建立底層數(shù)據(jù)和高層語義之間的關(guān)系，在人機交互、智能監(jiān)控等領(lǐng)域有廣泛的應(yīng)用。將人體行為檢測技術(shù)應(yīng)用到礦井視頻中可以檢測礦井下礦工的異常行為，基于檢測結(jié)果實現(xiàn)實時報警和聯(lián)動控制，減少礦井事故的發(fā)生。
　　論文主要研究礦井場景下的人體行為檢測，希望能夠?qū)ΦV井視頻中人體的常見行為進行分類。在分析視頻人體行為檢測領(lǐng)域的研究

2、成果的基礎(chǔ)上，主要從人體運動區(qū)域提取、人體行為特征提取與表示和人體行為分類三個方面研究礦井視頻中人體行為檢測。論文的主要研究內(nèi)容如下：
　　(1)提出了一種實現(xiàn)人體運動區(qū)域提取的融合算法，該算法融合了基于Haar特征的人體檢測算法和時間差分法提取人體運動區(qū)域算法。首先利用時間差分法對背景建模，獲得初步人體運動區(qū)域；然后使用基于Haar特征的Adaboost訓(xùn)練算法生成分類器，提取更加精確的人體運動區(qū)域，降低了復(fù)雜背景對檢測精度的影

3、響。
　?。?）使用Harris3D角點檢測算法檢測視頻中的時空興趣點，計算時空興趣點鄰域的HOG和HOF特征，并歸一化處理。
　?。?）建立特征包模型，并使用支持向量機進行分類。對訓(xùn)練集視頻所有的HOG/HOF特征使用K均值聚類算法聚類獲得特征包模型的詞典，通過計算訓(xùn)練集各個興趣點的HOG/HOF特征和特征包模型中詞匯的歐氏距離形成每段視頻的視覺詞匯直方圖,將直方圖轉(zhuǎn)換為特征向量；使用這些特征向量訓(xùn)練SVM分類器，并利用S