

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、智能監(jiān)控是利用現(xiàn)代信息技術(shù)發(fā)展起來的新技術(shù),具有內(nèi)容分析功能。帶有運(yùn)動(dòng)物體識(shí)別的監(jiān)控系統(tǒng)可以忽略掉大量無用信息,提取到關(guān)鍵信息,并依據(jù)規(guī)則自動(dòng)作出判斷,從而節(jié)省大量的人力成本。固定場(chǎng)景下的人體姿態(tài)識(shí)別技術(shù)可以應(yīng)用于家庭監(jiān)控,如對(duì)獨(dú)居家中老年人摔倒情況的識(shí)別。通過監(jiān)控識(shí)別出特殊的人體姿態(tài),以便及時(shí)作出響應(yīng)。
本文主要研究了固定場(chǎng)景下人體姿態(tài)檢測(cè)與識(shí)別相關(guān)技術(shù),設(shè)計(jì)了一種基于支持向量機(jī)(SVM)的姿態(tài)識(shí)別方法。本方法將處理過程分為
2、前景提取、特征向量提取、姿態(tài)分類識(shí)別三個(gè)步驟,逐步實(shí)現(xiàn)了固定場(chǎng)景下的人體姿態(tài)識(shí)別。文章首先研究運(yùn)動(dòng)前景物體提取算法原理與實(shí)現(xiàn),改進(jìn)了Codebook背景建模法,使之更貼近實(shí)際使用環(huán)境。針對(duì)燈光開關(guān)瞬間的檢測(cè),提出當(dāng)圖像中一定數(shù)量以上像素亮度同時(shí)改變,認(rèn)定為正在進(jìn)行燈光的開關(guān)操作,并使用此時(shí)的圖像幀進(jìn)行背景模型更新。通過經(jīng)驗(yàn)值,設(shè)定背景圖像更新速度。在特征向量提取過程中,設(shè)計(jì)了一種特征角描述法:以前景圖像外接矩形中心為原點(diǎn)建立坐標(biāo)系,計(jì)算
3、圖像在四個(gè)象限的質(zhì)心與原點(diǎn)連線同x軸夾角正切值,用四個(gè)正切值來表示姿態(tài)特征。同時(shí),本文研究了特征提取,通過計(jì)算前景圖像的幾何特征,如寬高比、輪廓長(zhǎng)度與所圍面積比、離心率等,利用這些參數(shù)構(gòu)成特征向量反映人體姿態(tài)。姿態(tài)分類過程使用了支持向量機(jī)方法,依據(jù)算法要求,采集各種人體姿態(tài)圖像樣本,提取樣本特征數(shù)據(jù)集,以此數(shù)據(jù)集訓(xùn)練分類器。將學(xué)習(xí)訓(xùn)練得到的分類器應(yīng)用于檢測(cè)過程,從而達(dá)成姿態(tài)識(shí)別的目的。
本文所設(shè)計(jì)的固定場(chǎng)景下姿態(tài)識(shí)別系統(tǒng)更切近
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多特征融合的人體姿態(tài)識(shí)別.pdf
- 基于骨架特征的人體姿態(tài)識(shí)別研究.pdf
- 辦公場(chǎng)景下基于EOG的人體行為識(shí)別算法研究.pdf
- 基于肢體動(dòng)作的人體姿態(tài)識(shí)別研究.pdf
- 基于Kinect的人體姿態(tài)估計(jì)與動(dòng)作識(shí)別.pdf
- 基于Hidden Markov Model的人體姿態(tài)識(shí)別探究.pdf
- 基于MQTT協(xié)議的人體姿態(tài)識(shí)別系統(tǒng).pdf
- 可穿戴設(shè)備中的人體姿態(tài)識(shí)別方法.pdf
- 室內(nèi)場(chǎng)景中的人體行為識(shí)別算法研究.pdf
- 基于加速度傳感器的人體姿態(tài)識(shí)別.pdf
- 基于視頻的人體姿態(tài)檢測(cè)與運(yùn)動(dòng)識(shí)別方法.pdf
- 機(jī)器人的人體姿態(tài)動(dòng)作識(shí)別與模仿算法.pdf
- 基于多傳感器信息融合的人體姿態(tài)識(shí)別研究.pdf
- 基于加速度傳感器的人體運(yùn)動(dòng)姿態(tài)識(shí)別.pdf
- 基于無線傳感器的人體姿態(tài)被動(dòng)識(shí)別與定位研究.pdf
- 基于姿態(tài)聚類和候選重組的人體姿態(tài)估計(jì).pdf
- 基于FPGA的人體姿態(tài)檢測(cè)與識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 復(fù)雜場(chǎng)景下多姿態(tài)行人檢測(cè)與識(shí)別方法研究.pdf
- 靜態(tài)圖像中的人體姿態(tài)估計(jì)研究.pdf
- 智能空間下基于AHRS的人體動(dòng)作識(shí)別.pdf
評(píng)論
0/150
提交評(píng)論