基于視頻的人體運(yùn)動(dòng)行為分析.pdf

1、基于視頻的人體運(yùn)動(dòng)行為分析是人工智能與模式識(shí)別領(lǐng)域內(nèi)一個(gè)新興的研究方向，它在人機(jī)交互、虛擬現(xiàn)實(shí)、智能視頻監(jiān)控、智能家居應(yīng)用、運(yùn)動(dòng)分析等多個(gè)方面都具有非常廣泛的應(yīng)用前景。同時(shí)，由于人體的非剛性特性、人體自遮擋和目標(biāo)之間的相互遮擋、復(fù)雜多變的背景環(huán)境、衣著服飾變化和光照等影響，使得人體行為識(shí)別的難度較大,視頻人體檢測(cè)研究仍然面臨巨大挑戰(zhàn)。
　　本文圍繞人體行為識(shí)別的相關(guān)問題展開研究,主要包括圖像預(yù)處理、人體運(yùn)動(dòng)目標(biāo)提取，特征提取以及人

2、體行為識(shí)別算法四個(gè)方面。本論文的目的是實(shí)現(xiàn)對(duì)人體走、跳、跑、拳擊、揮手、拍掌六種行為的識(shí)別。
　　本文的主要研究工作和成果如下：
　　1.在圖像預(yù)處理方面：闡述了圖像預(yù)處理的幾種方法，包括圖像增強(qiáng)、圖像去噪和圖像的形態(tài)學(xué)處理，最后用實(shí)驗(yàn)對(duì)提取出來的人體二值圖像進(jìn)行形態(tài)學(xué)處理，比較腐蝕、膨脹和腐蝕跟膨脹相結(jié)合等算法對(duì)二值圖像處理的不同效果，實(shí)驗(yàn)結(jié)果表明：腐蝕操作跟膨脹操作有效的結(jié)合起來,既消除了背景的孤立噪聲,同時(shí)也添補(bǔ)了目標(biāo)

3、中的空洞，得到較為理想的檢測(cè)分割結(jié)果。
　　2.在運(yùn)動(dòng)人體檢測(cè)方面：運(yùn)動(dòng)目標(biāo)提取是基于視覺的人體行為識(shí)別的研究基礎(chǔ),本文首先對(duì)視頻做分幀、灰度化等預(yù)處理。然后在廣泛查閱和綜述了相關(guān)國(guó)內(nèi)外文獻(xiàn)的基礎(chǔ)上，提出了一種基于背景減除法和光流法相融合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法,提取人體二值圖像,并利用數(shù)學(xué)形態(tài)學(xué)對(duì)二值圖像中存在的孔洞和噪聲點(diǎn)進(jìn)行相應(yīng)的處理。實(shí)驗(yàn)證明，該算法和混合高斯模型相比較，能夠準(zhǔn)確實(shí)時(shí)地檢測(cè)到場(chǎng)景中的運(yùn)動(dòng)人體，更加完整的提取人體運(yùn)

4、動(dòng)目標(biāo)的輪廓，具有較好的魯棒性。
　　3.在運(yùn)動(dòng)人體特征選擇和提取方面：研究了目前主流的人體檢測(cè)特征提取算法,并實(shí)現(xiàn)了基于灰度圖像和視頻的HOG特征提取算法，包括圖像歸一化、梯度計(jì)算、梯度方向直方圖統(tǒng)計(jì)、歸一化及描述子生成、特征描述塊。
　　4.在人體運(yùn)動(dòng)行為分類識(shí)別方面：實(shí)現(xiàn)基于方向梯度直方圖（HOG）和支持向量機(jī)(SVM)的人體行為分類識(shí)別算法，同時(shí)將本文的算法與部分特征(LF)和支持向量機(jī)(SVM)方法的實(shí)驗(yàn)結(jié)果進(jìn)行了