基于慢特征的人體行為分析.pdf

1、近年來，突發(fā)事件和異常事件逐漸增多，安防監(jiān)控成為人們關注的焦點。大規(guī)模的視頻監(jiān)控系統(tǒng)被建立，涌現出海量的視頻，加上工作人員精力有限，時刻進行人工監(jiān)控是不可能的，因此智能視頻監(jiān)控變得不可或缺。視頻中大部分內容涉及人的行為活動，實現人體行為的自動識別具有很重要的學術價值和應用價值。人體行為識別涉及到很多學科領域，例如，數字圖像處理、機器學習理論、計算機視覺、模式識別等。而且由于人體運動的復雜性和外部環(huán)境的多樣性，使得人體行為識別具有一定的難

2、度。慢特征理論的出現，彌補了傳統(tǒng)的一些特征提取方法的不足，能夠提取出表征運動本質的不隨時間變化或隨時間變化比較緩慢的特征，為特征提取提供了新的思路。本文基于慢特征理論，將其應用到人體行為識別中，完成的工作主要包括:
　　(1)人體特征點跟蹤是提取慢特征的前提和基礎。傳統(tǒng)方法中，使用光流法跟蹤特征點，但是當目標運動尺度較大時，將難以滿足光流圖像一致性假設，因此會導致特征點出現漂移甚至跟蹤丟失的現象。針對這一問題，本文在傳統(tǒng)方法的基礎

3、上引入金字塔的思想，提出了基于Lucas-Kanade金字塔光流算法的人體特征點跟蹤方法。該方法能夠較好的實現較大尺度運動的特征點的跟蹤，有效解決了特征點容易跟蹤丟失的問題;
　　(2)特征提取是人體行為分析的關鍵，目前特征分析技術大多是線性的，對非線性處理會產生錯誤的結果。針對這一問題，本文提出了一種新的特征提取方法，即慢特征分析方法。該方法能夠有效的提取出慢特征，而且D-SFA算法引入了監(jiān)督信息，提取的慢特征在行為類間具有很強