基于視覺的人體行為檢測識別研究.pdf

1、基于視覺的人體行為檢測識別由于日益擴大的需求而迅速發(fā)展,成為計算機視覺以及人工智能研究領域的一個熱點。它在智能視頻監(jiān)控、虛擬現(xiàn)實、運動分析、智能家居應用、用戶接口等多個方面都具有非常廣泛的應用前景。
　　 由于人是非剛性物體,有著太多的自由度,所建的人體模型有時不能準確地表達真實的人體。而且由于計算機視覺領域的不成熟以及復雜多變的外界環(huán)境,這些都給人體行為的檢測識別研究帶來了諸多的挑戰(zhàn)。
　　 本文在對人體行為檢測識別的

2、主流算法的分析基礎上,分別對運動人體的檢測、特征的提取、行為的識別等三方面進行了深入的研究,主要研究工作和成果如下:
　　 1.在廣泛查閱和綜述了相關國內(nèi)外文獻的基礎上,提出了一種基于改進混合高斯模型和對稱差分相融合的運動目標檢測算法。該算法以混合高斯背景減除法為基礎,針對剛開始背景模型建立比較慢的缺點,改進了背景模型的更新學習率,并結(jié)合對稱差分法,實現(xiàn)對運動人體的檢測。實驗證明,該算法能夠準確實時地檢測到場景中的運動人體。

3、r>　　 2.介紹了人體行為特征選擇與提取的關鍵性與重要性。引入了形狀描述算子R變換。R變換具有對噪聲、空洞不敏感,魯棒性好的特點,并具有平移、縮放不變的性質(zhì),但不具有旋轉(zhuǎn)不變性。進一步改進了R變換,使其具有旋轉(zhuǎn)不變的性質(zhì),更好地應用描述人體行為特征。使用主成分分析(PCA)降維算法,對改進R變換所提取出的特征進行降維,為下一步的人體行為識別做準備。
　　 3.使用處理時序信號有效的隱馬爾可夫模型(HMM)方法,作為分類器對人