基于視頻的人體行為識(shí)別關(guān)鍵技術(shù)研究.pdf

1、基于視頻的人體行為識(shí)別作為目前視頻分析與理解中的熱門(mén)研究方向之一，在人機(jī)交互、視頻監(jiān)控、虛擬現(xiàn)實(shí)、以及運(yùn)動(dòng)分析等方面具有廣闊的應(yīng)用前景?；谝曨l的人體行為識(shí)別主要包括特征表示與特征提取、特征融合以及行為識(shí)別幾個(gè)方面研究?jī)?nèi)容，目的是利用現(xiàn)有的計(jì)算機(jī)技術(shù)使機(jī)器能夠像人類(lèi)一樣具有識(shí)別、分析、以及理解人體行為的能力?；谝曨l的人體行為識(shí)別技術(shù)盡管已取得了長(zhǎng)足的進(jìn)步與發(fā)展，當(dāng)前人們?nèi)匀幻媾R如何高效、準(zhǔn)確地獲取人體行為特征，進(jìn)而對(duì)維度空間進(jìn)行有效降

2、維的問(wèn)題。為了解決上述問(wèn)題，同時(shí)考慮到多特征方法可以有效地解決單一特征表達(dá)精度不高、魯棒性差等問(wèn)題，本文探索從視頻中自動(dòng)對(duì)時(shí)空域內(nèi)的靜動(dòng)態(tài)特征進(jìn)行融合的方法，研究借助相鄰幀的上下文相關(guān)性特點(diǎn)來(lái)提高人體行為融合特征的識(shí)別性能。
　　本文以人體行為為研究對(duì)象，通過(guò)分析視頻中人體行為的特征表示、人體行為特征融合以及人體行為分類(lèi)等算法，重點(diǎn)對(duì)基于時(shí)空域的人體行為靜動(dòng)態(tài)多特征融合、基于網(wǎng)格量化的人體行為特征提取算法、人體行為深度特征提取、以

3、及異常人體行為識(shí)別等問(wèn)題進(jìn)行了探索研究。
　　本文提出了一種基于輪廓及運(yùn)動(dòng)矢量提取深度特征的人體行為識(shí)別方法。該方法實(shí)現(xiàn)簡(jiǎn)單，無(wú)需對(duì)攝像機(jī)標(biāo)定和計(jì)算內(nèi)外參數(shù)，即可從單目視頻中生成人體行為深度特征。由于人體運(yùn)動(dòng)關(guān)鍵特征點(diǎn)數(shù)量少以及噪聲等原因，深度特征會(huì)存在部分缺失，為了估計(jì)出該類(lèi)特征值，本文采用基于邊緣均值的特征修復(fù)方法。為與人體行為實(shí)際深度特征進(jìn)行比較，在DHA數(shù)據(jù)庫(kù)上進(jìn)行了實(shí)驗(yàn)，結(jié)果證明兩者的識(shí)別性能相當(dāng)，在沒(méi)有深度采集設(shè)備的條

4、件下，使用該方法仍然可以獲得較高的識(shí)別率。
　　本文提出了一種基于相鄰幀融合靜動(dòng)態(tài)多特征的人體行為識(shí)別方法。首先在時(shí)空域特征提取框架中選擇三類(lèi)特征對(duì)人體行為進(jìn)行描述，其中靜態(tài)特征選取了具有尺度、平移和旋轉(zhuǎn)不變性的人體輪廓不變矩描述子和可以表示人體區(qū)域整體以及局部細(xì)節(jié)的輪廓特征，動(dòng)態(tài)特征則選取了能夠描述人體動(dòng)態(tài)信息的光流特征。其次，由于視頻幀與相鄰幀之間存在一定的上下文關(guān)聯(lián)性，本文通過(guò)鄰幀加權(quán)求均值方法對(duì)視頻幀與相鄰幀的人體輪廓和光

5、流徑向直方圖特征進(jìn)行融合，該方法可以增強(qiáng)時(shí)空域內(nèi)人體行為特征的描述能力，有效地降低了畸變興趣點(diǎn)對(duì)目標(biāo)識(shí)別造成的不良影響，解決了視頻中單幀缺少時(shí)空特征的問(wèn)題。為融合幀內(nèi)不同靜動(dòng)態(tài)特征以解決維度空間過(guò)高的問(wèn)題，本文采用K-L變換對(duì)人體輪廓徑向直方圖和光流徑向直方圖進(jìn)行融合。實(shí)驗(yàn)表明，引入三類(lèi)特征以及相鄰幀特征融合方法能有效地提高特征區(qū)分度，在同樣特征數(shù)量級(jí)下提高了人體行為識(shí)別的準(zhǔn)確度。
　　本文提出了一種基于網(wǎng)格量化多特征的人體行為識(shí)

6、別方法，該方法利用網(wǎng)格量化，去除了靜動(dòng)態(tài)特征之間的冗余信息，有效地降低了特征維度空間。該方法利用關(guān)鍵幀及DTW實(shí)現(xiàn)快速的人體行為分類(lèi)。
　　本文提出了一種改進(jìn)的基于光流網(wǎng)格量化特征及馬爾科夫隨機(jī)場(chǎng)模型的異常人體行為識(shí)別算法，用于復(fù)雜環(huán)境下的異常人體行為分類(lèi)。首先對(duì)光流方向等特征進(jìn)行網(wǎng)格量化，獲得表征人體行為運(yùn)動(dòng)的視覺(jué)詞袋。進(jìn)而將視頻序列中的幀劃分成若干個(gè)區(qū)塊做為MRF模型的節(jié)點(diǎn)。為了能夠求出區(qū)塊的特征描述符，需要再對(duì)區(qū)塊進(jìn)行劃分得