基于慢特征的人體行為分析.pdf

1、近年來，突發(fā)事件和異常事件逐漸增多，安防監(jiān)控成為人們關(guān)注的焦點(diǎn)。大規(guī)模的視頻監(jiān)控系統(tǒng)被建立，涌現(xiàn)出海量的視頻，加上工作人員精力有限，時(shí)刻進(jìn)行人工監(jiān)控是不可能的，因此智能視頻監(jiān)控變得不可或缺。視頻中大部分內(nèi)容涉及人的行為活動(dòng)，實(shí)現(xiàn)人體行為的自動(dòng)識(shí)別具有很重要的學(xué)術(shù)價(jià)值和應(yīng)用價(jià)值。人體行為識(shí)別涉及到很多學(xué)科領(lǐng)域，例如，數(shù)字圖像處理、機(jī)器學(xué)習(xí)理論、計(jì)算機(jī)視覺、模式識(shí)別等。而且由于人體運(yùn)動(dòng)的復(fù)雜性和外部環(huán)境的多樣性，使得人體行為識(shí)別具有一定的難

2、度。慢特征理論的出現(xiàn)，彌補(bǔ)了傳統(tǒng)的一些特征提取方法的不足，能夠提取出表征運(yùn)動(dòng)本質(zhì)的不隨時(shí)間變化或隨時(shí)間變化比較緩慢的特征，為特征提取提供了新的思路。本文基于慢特征理論，將其應(yīng)用到人體行為識(shí)別中，完成的工作主要包括:
　　(1)人體特征點(diǎn)跟蹤是提取慢特征的前提和基礎(chǔ)。傳統(tǒng)方法中，使用光流法跟蹤特征點(diǎn)，但是當(dāng)目標(biāo)運(yùn)動(dòng)尺度較大時(shí)，將難以滿足光流圖像一致性假設(shè)，因此會(huì)導(dǎo)致特征點(diǎn)出現(xiàn)漂移甚至跟蹤丟失的現(xiàn)象。針對(duì)這一問題，本文在傳統(tǒng)方法的基礎(chǔ)

3、上引入金字塔的思想，提出了基于Lucas-Kanade金字塔光流算法的人體特征點(diǎn)跟蹤方法。該方法能夠較好的實(shí)現(xiàn)較大尺度運(yùn)動(dòng)的特征點(diǎn)的跟蹤，有效解決了特征點(diǎn)容易跟蹤丟失的問題;
　　(2)特征提取是人體行為分析的關(guān)鍵，目前特征分析技術(shù)大多是線性的，對(duì)非線性處理會(huì)產(chǎn)生錯(cuò)誤的結(jié)果。針對(duì)這一問題，本文提出了一種新的特征提取方法，即慢特征分析方法。該方法能夠有效的提取出慢特征，而且D-SFA算法引入了監(jiān)督信息，提取的慢特征在行為類間具有很強(qiáng)