視頻序列中人體簡(jiǎn)單行為識(shí)別的關(guān)鍵技術(shù)研究.pdf

1、在計(jì)算機(jī)視覺領(lǐng)域中，人體運(yùn)動(dòng)行為識(shí)別是一個(gè)被廣泛關(guān)注的熱點(diǎn)問題，在智能監(jiān)控、機(jī)器人、人機(jī)交互等方面也有巨大應(yīng)用價(jià)值。本文主要研究的是視頻圖像序列中基于時(shí)空特征點(diǎn)的人體運(yùn)動(dòng)姿態(tài)建模和簡(jiǎn)單行為的識(shí)別，例如常見的走路、跑步、揮手、跳躍、彎腰等行為的識(shí)別。
　　 人體運(yùn)動(dòng)姿態(tài)的建模是人體運(yùn)動(dòng)行為描述和識(shí)別的關(guān)鍵環(huán)節(jié)，為了克服在運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的過程中，由于運(yùn)動(dòng)目標(biāo)分割所造成的輪廓提取不準(zhǔn)確這一缺點(diǎn)，本文提出了一種姿態(tài)建模的新方法，首先

2、從學(xué)習(xí)的視頻序列樣本中提取人體運(yùn)動(dòng)的時(shí)空特征點(diǎn)（Spatial-Temporal Interesting Points，即STIPs），用來描述人體的運(yùn)動(dòng)特征，因此，視頻序列中每幀中的每個(gè)姿態(tài)都會(huì)對(duì)應(yīng)一個(gè)時(shí)空特征點(diǎn)集，然后采用非監(jiān)督的NERF C-Mean分類方法對(duì)相似姿態(tài)樣本歸類，最后用基于EM的高斯混合模型方法對(duì)分類出的每類典型姿態(tài)進(jìn)行建模；這樣就可以確定運(yùn)動(dòng)人體的典型姿態(tài)信息。
　　 運(yùn)動(dòng)人體行為識(shí)別屬于對(duì)視頻序列高層語義

3、的理解，簡(jiǎn)單行為識(shí)別的過程是根據(jù)輸入測(cè)試序列的姿態(tài)出現(xiàn)順序，通過計(jì)算找出其在典型姿態(tài)轉(zhuǎn)移圖中的最大概率路徑，進(jìn)而識(shí)別其所屬的行為類別。進(jìn)行行為識(shí)別的前提是通過計(jì)算人體每個(gè)典型姿態(tài)間的轉(zhuǎn)移概率，建立狀態(tài)己知的描述人體多種行為的馬爾可夫模型。針對(duì)行為識(shí)別問題，提出了將漢字分類的二元語法分類模型，應(yīng)用于運(yùn)動(dòng)行為識(shí)別的新思路，可以更好的實(shí)現(xiàn)對(duì)視頻序列高層語義的理解。廣泛的實(shí)驗(yàn)證明該算法對(duì)不同背景、不同裝束、不同尺度以及運(yùn)動(dòng)人體被遮擋等情況下的行