融合LBP特征和運動特征的運動分類算法.pdf

1、從視頻序列中將人的各種行為進(jìn)行有效地分類與識別，是智能視頻監(jiān)控、虛擬現(xiàn)實、人機交互等領(lǐng)域的基礎(chǔ)研究任務(wù)。隨著研究的不斷深入，人體行為分析與識別已成為計算機視覺中的熱點研究領(lǐng)域。人體行為識別的主要任務(wù)是利用計算機把采集到的原始圖像或圖像序列數(shù)據(jù)進(jìn)行處理、分析、學(xué)習(xí)并理解視頻中運動人體的動作行為，可應(yīng)用于智能安全監(jiān)控系統(tǒng)、人機互動、公共安全等領(lǐng)域，具有廣泛的研究價值。在深入研究現(xiàn)有視頻圖像中運動目標(biāo)捕捉算法的基礎(chǔ)上，提出了融合LBP特征和運

2、動特征的運動目標(biāo)分類識別算法，算法主要包括運動目標(biāo)檢測、特征提取與行為識別三部分。
　　在對運動目標(biāo)檢測的研究中，本文對光流法、幀間差分法、背景減除法進(jìn)行了對比分析研究。針對幀間差分法在提取運動目標(biāo)的時候出現(xiàn)檢測目標(biāo)不完整、容易出現(xiàn)空洞的缺點，提出融合三幀差分法與背景減除法來實現(xiàn)運動目標(biāo)檢測的方法。實驗研究表明，融合三幀差分法與背景減除法處理得到的運動目標(biāo)包含更加清晰完整的信息。
　　論文在運動特征提取研究中，先提取分塊視頻

3、序列的LBP直方圖特征，并將處理得到的分塊直方圖特征按照分塊的次序組合為運動目標(biāo)的LBP特征，然后與運動人體質(zhì)心的速度特征級聯(lián)得到行為識別向量。得到運動目標(biāo)的識別特征后，利用 BP神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行分類識別。
　　識別研究實驗在weizmann數(shù)據(jù)庫和KTH數(shù)據(jù)庫上進(jìn)行，分別提取了兩種數(shù)據(jù)庫的視頻圖像序列的特征向量，選擇訓(xùn)練樣本與測試樣本，對分類器進(jìn)行了訓(xùn)練、學(xué)習(xí)，待分類器收斂后，應(yīng)用測試樣本進(jìn)行了人體行為分類識別的實驗研究。實驗