基于視頻的人體動(dòng)作識(shí)別方法研究.pdf

1、基于視頻的人體動(dòng)作識(shí)別是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)熱點(diǎn)問題，在智能監(jiān)控、人機(jī)交互以及視頻檢索等領(lǐng)域具有廣泛的應(yīng)用前景和潛在的經(jīng)濟(jì)價(jià)值。動(dòng)作識(shí)別的主要任務(wù)是通過計(jì)算機(jī)對(duì)傳感器采集的原始圖像或圖像序列數(shù)據(jù)進(jìn)行處理和分析，學(xué)習(xí)并理解其中人的動(dòng)作和行為，建立底層視覺特征與動(dòng)作行為類別等高層語義信息之間的對(duì)應(yīng)關(guān)系。
　　 動(dòng)作識(shí)別中主要解決的問題有兩個(gè):動(dòng)作表示和動(dòng)作分類。動(dòng)作表示即從視頻中提取有效的特征對(duì)動(dòng)作進(jìn)行描述，而動(dòng)作分類則是根據(jù)提取的

2、特征設(shè)計(jì)相應(yīng)的分類模型。根據(jù)對(duì)動(dòng)作的表示的不同，我們將目前的動(dòng)作識(shí)別方法分為三類:基于人體模型的方法，基于全局特征的方法，基于局部特征的方法。其中，基于局部特征的方法是近年來比較流行的方法，在多個(gè)人體動(dòng)作數(shù)據(jù)集上都取得了很好的結(jié)果。
　　 視頻特征提取與描述是人體動(dòng)作識(shí)別中至關(guān)重要的一步，對(duì)動(dòng)作識(shí)別的結(jié)果有著重要的影響。本文首先對(duì)現(xiàn)存的軌跡提取方法進(jìn)行了詳細(xì)的分析，指出了它們的創(chuàng)新與不足之處，然后提出了一種新的軌跡提取方法，它能

3、夠準(zhǔn)確的反映出人的運(yùn)動(dòng)信息。為了描述一條給定軌跡的形狀和運(yùn)動(dòng)信息，我們?cè)谒木植苦徲騼?nèi)抽取三種描述符:梯度方向直方圖，光流直方圖，運(yùn)動(dòng)邊界直方圖。
　　 很多情況下，識(shí)別人體動(dòng)作不僅與人體的運(yùn)動(dòng)軌跡有關(guān)，也與人所處的場(chǎng)景有關(guān)，場(chǎng)景信息能夠暗示在這種情況下可能會(huì)發(fā)生的動(dòng)作類型。基于此，本文使用了一種場(chǎng)景特征Gist來對(duì)場(chǎng)景結(jié)構(gòu)進(jìn)行建模。
　　 我們引入了一種詞袋模型的思想，將視頻表示為一系列視覺單詞的集合，由于詞袋模型通常

4、忽略了局部特征之間的時(shí)空關(guān)系，我們將視頻序列劃分為時(shí)空網(wǎng)格以嵌入結(jié)構(gòu)信息。最后，我們還使用了多核學(xué)習(xí)的思想，將兩類特征進(jìn)行有效的融合，以達(dá)到最佳的分類效果。
　　 目前的動(dòng)作識(shí)別算法在簡(jiǎn)單受限的場(chǎng)景下得到了較高的識(shí)別率，然而，真實(shí)場(chǎng)景（比如電視廣播、電影以及監(jiān)控視頻等）中的動(dòng)作識(shí)別仍舊是一個(gè)非常有挑戰(zhàn)性的問題。為了驗(yàn)證本文算法的有效性和可行性，我們?cè)谒膫€(gè)具有挑戰(zhàn)性的人體動(dòng)作數(shù)據(jù)集上對(duì)本文的算法進(jìn)行了測(cè)試和評(píng)價(jià)。實(shí)驗(yàn)結(jié)果表明:本文