基于視頻人體行為識(shí)別軟件的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、人體行為識(shí)別作為計(jì)算機(jī)視覺學(xué)科中一個(gè)非常重要的領(lǐng)域，越來越多的研究機(jī)構(gòu)、高等院校以及相關(guān)企業(yè)都投身到該領(lǐng)域的研宄中，對(duì)于視頻中的人體行為視頻有許多實(shí)際應(yīng)用，例如：視頻監(jiān)控、人機(jī)交互、視頻檢索等等，由此可見，對(duì)視頻中的人體行為識(shí)別分析研究在現(xiàn)在和未來都是具有極高的學(xué)術(shù)研究?jī)r(jià)值和商業(yè)應(yīng)用價(jià)值的。視頻中的人體行為識(shí)別一直是計(jì)算機(jī)視覺學(xué)科中的一個(gè)難點(diǎn)，目前現(xiàn)有的人體行為識(shí)別依舊停留在針對(duì)簡(jiǎn)單場(chǎng)景下單個(gè)運(yùn)動(dòng)目標(biāo)的簡(jiǎn)單行為識(shí)別，而對(duì)視頻中復(fù)雜的現(xiàn)實(shí)

2、場(chǎng)景下的復(fù)雜行為的識(shí)別正確率較低，沒有達(dá)到可使用的識(shí)別精確度。通常而言，人體行為識(shí)別大體可以分為提取視頻描述特征、訓(xùn)練視頻描述特征和對(duì)視頻描述特征進(jìn)行分類這三個(gè)步驟。本文參考了大量的國(guó)外發(fā)表的相關(guān)的技術(shù)論文和會(huì)議，對(duì)國(guó)內(nèi)外相關(guān)領(lǐng)域的發(fā)展現(xiàn)狀進(jìn)行了分析和總結(jié)，針對(duì)目前各種特征提取算法的優(yōu)缺點(diǎn)和該研宄領(lǐng)域的局限性，提出了一種新的特征，該特征首先通過把多閾值像素轉(zhuǎn)移比率圖（MTPSRM)、邊緣方向直方圖（EOH)和運(yùn)動(dòng)方向直方圖（MOH)作為

3、全局特征，與局域Cuboid特征進(jìn)行融合，構(gòu)造了一個(gè)既包含了行為的全局特征又包含行為局域特征的新的特征，提高了用單一特征進(jìn)行識(shí)別的識(shí)別正確率；然后對(duì)提取到的視頻描述特征通過在線字典學(xué)習(xí)、局域線性編碼(LLC)等機(jī)器學(xué)習(xí)方法后得到最終的視頻特征代表；最后用本文提出的將稀疏線性分類器與支持向量機(jī)（SVM)以打分的機(jī)制相結(jié)合的分類器進(jìn)行分類識(shí)別得到最終的識(shí)別結(jié)果。
　　本文在MATLAB平臺(tái)上實(shí)現(xiàn)了算法，用Weizmaim視頻數(shù)據(jù)庫(kù)、K