基于移動軌跡分析的大鼠行為識別研究.pdf

1、移動目標的檢測一直是計算機視覺領域的研究熱點之一，在安防、軍事、導航、監(jiān)控、科學研究等領域有著廣泛的應用。隨著計算機技術的發(fā)展與國家互聯(lián)網(wǎng)+戰(zhàn)略的實施，視頻檢測與計算機視覺算法會有越來越多的用途，其中移動目標的行為識別是很重要的一個分支。
　　本文以大鼠機器人視頻為研究對象，對視頻中大鼠的前景提取與基于移動軌跡的行為識別兩個問題進行了相關的研究和探討。對于目標識別，采用了Vibe背景建模與前景檢測算法，相比普通的背景差分，成功提高

2、了大鼠機器人前景檢測的準確性;而對于行為識別問題，提出了基于模擬退火策略的軌跡點去噪算法，并提取了軌跡的曲率序列特征，在此基礎上提出了基于曲率序列特征與概率方法相結(jié)合的行為識別方法。具體而言，主要包括以下內(nèi)容:
　　1)使用Vibe算法準確而高效的將大鼠視頻進行前景與背景的分離，大大提升了大鼠機器人前景二值圖的質(zhì)量，并能有效的適應光照變化、攝像頭抖動等噪聲的影響。
　　2)通過分析大鼠機器人前景圖，提取出視頻每幀中大鼠的中心

3、點，并利用模擬退火算法提取出路徑軌跡的主干點。如果需要重現(xiàn)軌跡，可以利用B樣條插值算法對軌跡進行擬合。這大大節(jié)省了視頻軌跡數(shù)據(jù)的存儲空間，并消除了絕大部分抖動噪聲的影響，使軌跡數(shù)據(jù)的可用性更強。
　　3)根據(jù)大鼠運動軌跡及其時序性，提出了自適應地圖分塊算法，之后在此基礎上提出了基于馬爾可夫鏈的行為識別模型并取得了不錯的效果。最后我們提出了大鼠運動軌跡的曲率序列特征并結(jié)合SVM分類器極大改善了概率分類器的性能，使大鼠行為識別的準確率