基于稀疏編碼的人體運動分析研究.pdf

1、人體運動分析是計算機視覺分析領(lǐng)域重要的研究方向，在智能監(jiān)控、人機互交、虛擬現(xiàn)實、運動分析等領(lǐng)域均具有重要的應(yīng)用價值。人體運動分析的研究內(nèi)容包括運動目標(biāo)檢測、目標(biāo)跟蹤、人體動作識別和行為理解與描述。稀疏編碼(Sparse Coding)理論是一種模擬哺乳動物視覺系統(tǒng)主視皮層細胞感受野編碼機制的新興信號表示方法，該方法由于使用超完備字典對信號進行分解，所以對信號的誤差與噪聲的處理比傳統(tǒng)方法更穩(wěn)健。近年來，許多學(xué)者對稀疏編碼理論進行了深入的研

2、究，并成功地應(yīng)用在計算機視覺領(lǐng)域的眾多問題中，取得了一些重要的研究成果。
　　本文以稀疏編碼為理論基礎(chǔ)，在最新研究成果的基礎(chǔ)上展開深入的研究，提出了應(yīng)用于目標(biāo)跟蹤、人體動作識別和異常事件檢測的稀疏編碼方法，主要的研究內(nèi)容和創(chuàng)新點如下：
　　(1)針對經(jīng)典目標(biāo)跟蹤算法在光照改變、遮擋和形變等情況下精度不高，長時間目標(biāo)跟蹤不可避免發(fā)生跟蹤目標(biāo)丟失等問題，在稀疏編碼理論框架下，引入結(jié)構(gòu)化信息和聯(lián)合投票機制，結(jié)合自適應(yīng)模板更新方法，

3、提出了一種基于結(jié)構(gòu)化稀疏編碼聯(lián)合投票的目標(biāo)跟蹤算法。同時，受稀疏編碼在目標(biāo)識別領(lǐng)域成功應(yīng)用的啟發(fā)，將目標(biāo)跟蹤視作目標(biāo)識別問題，而不是傳統(tǒng)的搜索問題。所有候選圖像組建訓(xùn)練樣本集合，目標(biāo)模板由所有的訓(xùn)練樣本線性組合表示。在公開的具有挑戰(zhàn)性的視頻數(shù)據(jù)庫上進行實驗測試，該算法保證在出現(xiàn)光照改變、形變和遮擋等不利情況下進行長時間跟蹤的可靠性，相比目前比較成熟的幾種跟蹤算法，對于出現(xiàn)遮擋的情況，算法的成功率有很大的提高。
　　(2)針對人體動

4、作識別算法受人體動作的多樣性不利因素的影響導(dǎo)致準(zhǔn)確性和快速性有待提高的問題，首次提出用l2稀疏編碼算法進行人體動作識別的研究。通常在人體動作識別的研究中，無法獲得每類動作充足的訓(xùn)練樣本，如果用經(jīng)典的l1稀疏性稀疏編碼算法表示輸入樣本，必然產(chǎn)生較大的重構(gòu)誤差而導(dǎo)致分類錯誤。為了解決稀疏編碼用于人體動作識別的這一瓶頸問題，深入分析l1稀疏性稀疏編碼的工作機理，證明在訓(xùn)練樣本不充足的情況下，重構(gòu)誤差比稀疏性在分類識別中起到更重要的作用，進而可

5、以降低算法對稀疏性的要求。在建立描述人體動作的距離符號變換時空體特征的基礎(chǔ)上，提出了基于l2稀疏性約束條件稀疏編碼的人體動作識別方法。與現(xiàn)有的人體動作識別方法進行實驗比較，結(jié)果表明本文方法在提高識別率的同時，提高了算法的快速性，使算法具有更大的實際應(yīng)用價值。
　　(3)針對視頻序列圖像場景復(fù)雜，很難甚至無法提取事件的完整特征的問題，研究了結(jié)合LBP-TOP和稀疏編碼的異常事件檢測方法。在視頻數(shù)據(jù)中提取事件的局部時空體，其數(shù)量巨大，

6、這些局部時空體的描述對檢測的精度具有重要的影響。采用LBP-TOP紋理算子描述局部時空體，它是用三個垂直平面的二值編碼直方圖串聯(lián)描述三維數(shù)據(jù)，計算簡單，可區(qū)分性強，適用于異常事件檢測。實驗結(jié)果表明，本文方法提高了檢測精度。
　　(4)針對用于異常事件檢測的線性動態(tài)系統(tǒng)模型對噪聲敏感的問題，提出一種基于線性動態(tài)系統(tǒng)稀疏編碼的異常事件檢測方法?，F(xiàn)有的方法對噪聲引起的輸入變化非常敏感，稀疏編碼對噪聲的穩(wěn)健性可以解決這個問題。然而，線性動

7、態(tài)系統(tǒng)屬于非歐式空間模型，無法直接應(yīng)用傳統(tǒng)的稀疏編碼，本文開創(chuàng)性提出將控制理論中的線性變換引入到稀疏編碼中，應(yīng)用約束凸優(yōu)化公式實現(xiàn)稀疏編碼的優(yōu)化求解。在動態(tài)紋理數(shù)據(jù)庫和異常事件檢測數(shù)據(jù)上進行實驗，結(jié)果表明本文方法計算量小，對于被遮擋的動態(tài)紋理仍具有較好的識別率，且提高了異常事件檢測的精度。
　　綜上所述，針對基于序列圖像的人體運動分析算法中存在的問題，提出了優(yōu)于現(xiàn)有方法的目標(biāo)跟蹤、人體動作識別和異常事件檢測算法，建立了基于稀疏編碼