運動目標(biāo)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(biāo)的智能分析變得尤其重要，而運動目標(biāo)的特征提取與行為識別技術(shù)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(biāo)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(biāo)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(biāo)的檢測過程中，對當(dāng)前常用的幾種運動目標(biāo)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(biāo)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(quán)值與均值法獲取的背景融合作為運動目標(biāo)檢測的背景模型，有效地克服了陰影、光照突變時對檢測結(jié)果的影響。實驗結(jié)果表明，本文提出算法的檢測準(zhǔn)確率最高，檢測效果最好。
　　運動目標(biāo)的不同行為有其各自的特點，在提取運動目標(biāo)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(biāo)，提取了運動目標(biāo)的速度、質(zhì)心等運動特征和周長、面積、緊密度、外接矩形框?qū)捀弑鹊冗吘壧卣髯鳛槊枋瞿繕?biāo)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(jié)果證明速度、質(zhì)心、緊密度以及外接矩形框?qū)捀弑?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(biāo)后，利用提取的運動特征、邊緣特征分析運動目標(biāo)的行為，計算出特征數(shù)據(jù)后，通過實驗法設(shè)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