視頻中的人體行為識別若干關(guān)鍵技術(shù)研究.pdf

1、人體行為識別是讓計算機能夠自動的理解未知視頻或者圖像序列中正在發(fā)生的事件，是實現(xiàn)計算機的視覺智能的重要手段。其研究成果可以應(yīng)用到視頻檢索、智能視頻監(jiān)控以及智能人機接口等領(lǐng)域;同時人體行為識別研究涉及人工智能的諸多領(lǐng)域，是當(dāng)前計算機視覺研究的熱點和難點。因此開展人體行為識別的研究具有廣泛的應(yīng)用場景和重大的理論意義。
　　本文結(jié)合當(dāng)前計算機視覺中目標(biāo)檢測和識別技術(shù)的發(fā)展，針對人體行為識別研究中存在的問題，提出了相應(yīng)的解決方法。本文具體

2、的研究工作和創(chuàng)新點包括以下幾個方面:
　　1、特征的選取和表示是人體行為識別的基礎(chǔ)，論文結(jié)合人體行為識別特點，詳細介紹了局部時空特征的檢測和描述方法，并在基于視覺碼本的人體行為識別方法中，對HOG與HOF特征的人體行為表示能力進行全面的分析，實驗結(jié)果表明HOG/HOF特征能夠有效表示視頻中的人體行為特征。此外，為了驗證HOG在視頻檢索中的可行性，本文還將HOG特征應(yīng)用到教學(xué)視頻中的照片檢索，提出了自適應(yīng)照片檢索方法，提高了檢索的準

3、確率，為后續(xù)視頻中的行為識別技術(shù)奠定了可靠的基礎(chǔ)。
　　2、針對基于局部時空特征表示的人體行為識別方法存在準確性不高的問題，提出了基于ε-NN的類條件概率估計方法和基于互信息差異的特征選擇方法。通過分析我們發(fā)現(xiàn)，在基于局部時空特征投票的分類方法中選擇判別能力強的特征能有效提高行為識別的準確率。針對這個問題，本文提出基于ε-NN的類條件概率估計方法和基于互信息差異的特征選擇方法。實驗結(jié)果表明本文提出的方法能有效提高人體行為識別的準確

4、率，特別是相似行為的識別準確率提高更為顯著。
　　3、針對滑動窗口方法在視頻中連續(xù)行為的檢測和識別問題中的不足，提出了基于最大子序列搜索的連續(xù)多行為檢測和識別方法。大多數(shù)的人體行為識別研究都是基于已經(jīng)分割好的視頻，即一個視頻中僅包含一個行為。而對于多行為的識別問題主要還是使用滑動窗口的策略，但是滑動窗口法的計算代價高。針對多行為的識別問題，本文提出了基于視頻幀的連續(xù)行為的識別方法，通過尋找最大得分子序列來定位和識別行為。實驗結(jié)果表

5、明基于最大子序列搜索的連續(xù)多行為檢測和識別方法能夠準確定位和識別視頻中的連讀行為，同時計算效率要優(yōu)于滑動窗口方法。
　　4、針對基于局部時空特征的方法不能有效解決復(fù)雜場景下的人體行為識別，提出了基于場景上下文的人體行為識別方法。在真實場景下的人體行為識別研究中，大多數(shù)方法都是采用對背景變化進行抑制和消除的策略。然而通過分析，我們發(fā)現(xiàn)在復(fù)雜環(huán)境中的場景信息有利于人體行為的識別。因此本文提出了基于場景上下文的人體行為識別方法，將場景特

6、征和局部時空特征結(jié)合，實現(xiàn)復(fù)雜場景中人體行為識別。實驗結(jié)果表明時空金字塔特征能有效表示視頻的場景信息，本文的方法能有效提高復(fù)雜場景中人體行為識別的準確率。
　　綜上所述，本文從特征提取和表示這個模式識別的基本問題入手，對人體行為識別中的行為分類、行為定位、以及復(fù)雜場景下的行為識別等問題展開研究。針對現(xiàn)有方法中存在的問題，提出了相應(yīng)的解決方法。在人體行為識別數(shù)據(jù)庫的實驗表明，本文提出的方法提高了人體行為識別的性能，有利于促進人體行為