視頻中的人體行為分析關鍵技術研究.pdf

1、計算機視覺的研究在過去的三十多年中飛速發(fā)展，人體行為分析在智能監(jiān)控、人機交互、虛擬現(xiàn)實和基于內容的視頻檢索與解說等方面有著廣泛的應用前景和潛在的經濟價值，成為了計算機視覺領域中備受關注的前沿方向之一。隨著其應用范圍的不斷擴大以及應用需求的不斷增長，復雜背景下的人體目標特征提取與描述算法成為該領域內的研究難點以及重點問題。
　　首先，改進了一種基于消除攝像機抖動影響的密集點軌跡特征描述算法。該算法在原提取密集點軌跡特征的基礎上，考慮

2、了原始視頻中存在攝像機抖動影響畫質這一主要因素，在預處理過程中，提取SURF特征和高效光流特征，采用隨機抽樣一致算法進行特征點匹配，使視頻畫質增強，進一步提高識別結果。
　　其次，在人體行為識別算法方面，將基于字典對學習的人體行為識別算法應用于視頻分析中，通過引入輔助域，與原始訓練集（文中也稱為目標域）共同進行字典學習，重建字典對，獲得稀疏表示，有效地擴充了訓練集的類內多樣性，減小了由于類內多樣性而帶來的錯判率。在人體行為視頻數(shù)據(jù)

3、的表示方式上，密集點軌跡作為特征描述方式，然后進行字典對學習，獲得動作類相應的稀疏表示，本文算法為字典學習和訓練分類的過程合并起來的學習框架，可利用字典對學習算法中的重建誤差進行分類。
　　最后，實驗在MATLAB仿真條件下，實施了對人體行為特征提取與描述和人體行為識別算法的兩組實驗。人體行為特征提取與描述算法方面，與SIFT點軌跡以及KLT軌跡對比，證明本文軌跡可以處理變化模式快速且不規(guī)則的運動模式。人體行為識別算法方面，將UC