運動目標的特征提取與行為識別研究.pdf

1、基于智能信息化的不斷發(fā)展，對運動場景中前景目標的智能分析變得尤其重要，而運動目標的特征提取與行為識別技術直接影響著智能分析系統(tǒng)的性能和分析效果，同時也是智能監(jiān)控系統(tǒng)的核心組成部分，所以，運動目標的特征提取與行為識別就成了研究熱點。一個完整的智能分析系統(tǒng)包括目標檢測、特征提取以及行為識別三部分，完成每一部分的方法有很多種，而研究一種具有普遍性且實用性強的方法顯得尤其重要。
　　在運動目標的檢測過程中，對當前常用的幾種運動目標檢測方法

2、進行了深入研究，基于這些方法的不足，本文提出了W4模型改進法與平均值法相融合的目標檢測算法。該方法把經(jīng)典W4背景建模算法提取的圖像像素點的最小和最大灰度值的線性加權值與均值法獲取的背景融合作為運動目標檢測的背景模型，有效地克服了陰影、光照突變時對檢測結果的影響。實驗結果表明，本文提出算法的檢測準確率最高，檢測效果最好。
　　運動目標的不同行為有其各自的特點，在提取運動目標特征時，考慮提取維數(shù)較少且能夠較好反映運動行為的特征值來描述

3、目標，提取了運動目標的速度、質心等運動特征和周長、面積、緊密度、外接矩形框寬高比等邊緣特征作為描述目標行為動作的特征向量。為驗證各特征對人體行為的描述效果，開展了分析研究，結果證明速度、質心、緊密度以及外接矩形框寬高比4種特征能有效地描述人體行為。
　　在視頻圖像序列中檢測出運動目標后，利用提取的運動特征、邊緣特征分析運動目標的行為，計算出特征數(shù)據(jù)后，通過實驗法設定閾值來判別人體行為。實驗研究了運動特征、邊緣特征以及運動特征和邊緣