人體行為識(shí)別關(guān)鍵技術(shù)研究.pdf

1、人體行為識(shí)別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，具有極其廣泛的應(yīng)用前景。本論文針對(duì)人體行為識(shí)別中的圖像預(yù)處理、行為表征、特征降維以及行為分類等關(guān)鍵技術(shù)進(jìn)行研究，提出了適用于可見(jiàn)光與紅外成像、可穿戴傳感的行為識(shí)別方法，獲得了較好的識(shí)別效果。論文取得的主要?jiǎng)?chuàng)新性成果如下：
　　 (1)高質(zhì)量的圖像預(yù)處理是行為識(shí)別研究的基礎(chǔ)。面向可見(jiàn)光、紅外雙波段視頻監(jiān)控應(yīng)用，提出了一種雙波段彩色圖像融合算法，并考察了圖像融合對(duì)于人體目標(biāo)跟

2、蹤性能的影響。將可見(jiàn)光與紅外圖像在NSCT域內(nèi)進(jìn)行自適應(yīng)融合，并將融合圖像賦予YUV顏色空間的亮度通道，進(jìn)一步通過(guò)顏色傳遞可獲得具有自然色彩視覺(jué)效果的彩色融合圖像。實(shí)驗(yàn)結(jié)果表明，該方法可提高人體目標(biāo)的可探測(cè)性，豐富融合圖像的細(xì)節(jié)信息，增強(qiáng)觀察者對(duì)監(jiān)控場(chǎng)景的感知，為計(jì)算機(jī)視覺(jué)分析提供更高質(zhì)量的源圖像；此外，雙波段圖像融合能夠提高對(duì)人體目標(biāo)跟蹤的準(zhǔn)確度和魯棒性。
　　 (2)提出了一種基于外觀表征和多類相關(guān)向量機(jī)的行為識(shí)別方法。建立

3、了一種新的時(shí)空模板：能量變化圖，并在此基礎(chǔ)上提取反映人體形狀信息和運(yùn)動(dòng)信息的行為特征；首次將多類相關(guān)向量機(jī)引入行為識(shí)別領(lǐng)域，用于對(duì)多類行為的分類識(shí)別。在Weizmann行為數(shù)據(jù)庫(kù)上進(jìn)行了測(cè)試，采用“Constructive”結(jié)構(gòu)的多類相關(guān)向量機(jī)獲得的識(shí)別率達(dá)98.2％，且表現(xiàn)出優(yōu)異的特征樣本稀疏性。與其它一些典型的識(shí)別方法相比，本文方法在行為特征的復(fù)雜度和識(shí)別率方面均具有明顯優(yōu)勢(shì)。進(jìn)一步分析表明，不同方法間識(shí)別性能間差異主要源自于特征選

4、取方式和分類方法選擇上的不同。
　　 (3)提出了基于視覺(jué)特性的行為識(shí)別方法，并首次將Gabor類小波應(yīng)用于紅外成像人體行為識(shí)別。采用Gabor小波，對(duì)行為的能量變化圖進(jìn)行多尺度、多方向性描述。為了減少頻帶覆蓋所需的分解層數(shù)，并更好地刻畫(huà)行為的細(xì)節(jié)特征，進(jìn)一步采用了性能更為優(yōu)越的Log-Gabor小波。針對(duì)行為識(shí)別中面臨的高維特征問(wèn)題及訓(xùn)練過(guò)程中的小樣本問(wèn)題，分別采用了主元分析方法和鑒別共同向量方法對(duì)Gabor類特征進(jìn)行降維。在

5、重慶大學(xué)構(gòu)建的紅外行為數(shù)據(jù)庫(kù)上進(jìn)行測(cè)試，獲得的識(shí)別率達(dá)94.44％。此外，還考察了Gabor小波類別、特征降維方法及分類器的選取對(duì)識(shí)別性能的影響，驗(yàn)證了本文方法的設(shè)計(jì)合理性。
　　 (4)對(duì)可穿戴傳感行為識(shí)別進(jìn)行研究。針對(duì)行為傳感中存在的高維數(shù)據(jù)問(wèn)題，首次將廣義判別分析方法應(yīng)用于可穿戴傳感行為識(shí)別，提出了一種新穎的行為識(shí)別方法。對(duì)提取的時(shí)頻域行為特征，采用廣義判別分析方法進(jìn)行降維，并構(gòu)建組合相關(guān)向量機(jī)實(shí)現(xiàn)對(duì)多類行為的分類。在WA