人體步態(tài)及行為識別關(guān)鍵算法研究.pdf

1、在未來的人與計算機(jī)的交互中，計算機(jī)要感知人的意圖及行為在很大程度上需要依靠視覺系統(tǒng)。計算機(jī)視覺傳感器具有體積小、被動性及非接觸式的特點，可以應(yīng)用在任何場合。采用視覺對人體步態(tài)及行為識別已經(jīng)引起了人工智能與模式識別研究者的濃厚興趣，步態(tài)及行為識別技術(shù)的研究可以促進(jìn)人工智能和模式識別理論的發(fā)展，具有重要的理論意義;步態(tài)及行為識別技術(shù)在安全智能監(jiān)控，老年人監(jiān)護(hù)，人員身份認(rèn)證等應(yīng)用中都起著至關(guān)重要的作用。
　　然而由于現(xiàn)實環(huán)境及人體運動的

2、復(fù)雜性，步態(tài)及行為識別至今仍面臨較多的困難。本文研究的目的是為了提高步態(tài)及行為識別算法的性能，解決客觀環(huán)境對識別的影響，促使步態(tài)及行為識別技術(shù)朝著更實用化，實時性的方向發(fā)展。本課題的研究成果及主要創(chuàng)新點如下:
　　(1)提出了基于紋理分析的運動人體分割方法
　　針對在視頻圖像中，提取的前景人體圖像通常含有陰影，為消除陰影，提出采用紋理匹配的方式，使提取的前景人體圖像的紋理與背景相應(yīng)位置的紋理進(jìn)行匹配，如相近則判定為陰影。在進(jìn)

3、行匹配時，為提取的前景人體圖像建立基于像素點的顏色及紋理的混合特征向量，采用支持向量機(jī)進(jìn)行特征向量分類。實驗表明該方法有較好的分割效果。
　　(2)研究了基于子空間的步態(tài)識別方法
　　根據(jù)步態(tài)的輪廓圖像序列，計算出表達(dá)步態(tài)的特征圖像，即步態(tài)能量圖(GEI)及主動能量圖(AEI)，研究采用基于核的主成分分析法及基于核判別分析法對特征圖像進(jìn)行特征提取及降維，通過核映射將樣本數(shù)據(jù)映射到核空間，再在核空間中實施運算，對運算的特征向量

4、采用支持向量機(jī)進(jìn)行分類。實驗表明該方法在固定的條件下有較好的識別率。
　　(3)提出了基于稀疏表示的步態(tài)識別方法
　　針對步態(tài)識別中識別率高的算法比較耗時，難以實時應(yīng)用的問題，提出建立以分段的幀差能量圖稀疏表示系數(shù)作為狀態(tài)特征的隱馬爾可夫模型，對步態(tài)的分段幀差能量圖進(jìn)行稀疏表達(dá)，建立步態(tài)字典，通過快速稀疏分解算法，實現(xiàn)步態(tài)的快速識別。同時研究了基于重構(gòu)誤差的步態(tài)識別方法及基于區(qū)分字典的步態(tài)識別方法。實驗表明該方法有較高識別率

5、及較少的識別時間，可以應(yīng)用在實時場合。
　　(4)提出了基于動態(tài)貝葉斯網(wǎng)絡(luò)的步態(tài)識別方法
　　針對穿外套、背包等衣著變化對步態(tài)識別結(jié)果的影響，提出了基于動靜態(tài)信息相融合的動態(tài)貝葉斯網(wǎng)絡(luò)識別模型，從概率角度對模型進(jìn)行了推理與學(xué)習(xí)，并對模型進(jìn)行了魯棒性分析。同時根據(jù)步態(tài)行走的多尺度信息，提出了基于雙尺度動態(tài)貝葉斯網(wǎng)絡(luò)及多信息融合的步態(tài)識別方法，從整體與局部特征出發(fā)，建立動態(tài)貝葉斯網(wǎng)絡(luò)識別模型。實驗表明該方法可以大大降低衣著變化對

6、步態(tài)識別結(jié)果的影響。
　　(5)提出了人體連續(xù)行為分割與識別方法
　　針對連續(xù)的、長時間的、包含多種行為的運動序列無法分割問題，提出了人體連續(xù)行為分割與識別方法，構(gòu)建動態(tài)貝葉斯網(wǎng)絡(luò)模型對分類的行為序列進(jìn)行識別;同時構(gòu)建基于時間序列的連續(xù)行為分類網(wǎng)絡(luò)，通過兩次分割來得到最佳的行為分割，第一次采用視頻分段識別的方式實現(xiàn)粗分割，第二次采用Viterbi算法在粗分割的基礎(chǔ)上得到最佳的行為分類。實驗表明該方法有較好的行為分割率及識別率