視頻行為分析若干問題研究.pdf

1、視頻中人的行為分析是當前計算機視覺的一個熱點研究課題。近來，其應用于商業(yè)化的進程不斷推進，該研究領域中所涉及的問題一定還將被不斷深入。特別隨著微軟公司kinect的到來，視頻行為分析的應用已初見端倪，但離廣泛普及還有一定距離。由于該研究領域涉及到計算機視覺的若干技術，這些技術目前都還存在一定的技術瓶頸，特別是對環(huán)境有較大的敏感度。這也成為了本文研究的一個直接動力。
　　本文基于可分割和識別的行為主體為研究對象，即可以從視頻幀中首先

2、定位出人體區(qū)域，因此研究的兩個問題分別是：人體的檢測與定位；人體的行為識別。人體區(qū)域的檢測與分割是基于可分割行為目標研究中一個總的前提，我們需要在視頻區(qū)域中實現(xiàn)人體區(qū)域的分割。為此，我們在基于傳統(tǒng)運動區(qū)域檢測算法的基礎上，在已經檢測出的候選運動區(qū)域中，設計出了一套新的目標檢測算法，用基于Hough投票的方法，將目標區(qū)域分割出。在本文所用的基于Hough投票的方法中，我們創(chuàng)新性地利用目標內部的上下文特征關聯(lián)規(guī)則，增強了目標特征表達的可靠性

3、。人體的行為識別是在以檢測出的人體目標區(qū)域基礎上進行的。在本文中，我們主要研究基于多層次的目標檢測算法，利用隱馬爾科夫模型，在行為特征層和行為標簽層之間隱式地搭建了一個語義層次：人體原型姿態(tài)描述層。與將整個目標區(qū)域當做特征表達對象不同，本文的研究著重于分析目標區(qū)域內部結構信息，提取出人體的姿態(tài)信息，這種姿態(tài)信息的語義層次要高于行為特征層，但是要低于最終的行為標簽層。本文的創(chuàng)新工作也主要集中于如何利用隨機模型連接這三個層次，將其合理地運用