運(yùn)動(dòng)目標(biāo)的特征提取與行為識(shí)別研究.pdf

1、基于智能信息化的不斷發(fā)展，對(duì)運(yùn)動(dòng)場(chǎng)景中前景目標(biāo)的智能分析變得尤其重要，而運(yùn)動(dòng)目標(biāo)的特征提取與行為識(shí)別技術(shù)直接影響著智能分析系統(tǒng)的性能和分析效果，同時(shí)也是智能監(jiān)控系統(tǒng)的核心組成部分，所以，運(yùn)動(dòng)目標(biāo)的特征提取與行為識(shí)別就成了研究熱點(diǎn)。一個(gè)完整的智能分析系統(tǒng)包括目標(biāo)檢測(cè)、特征提取以及行為識(shí)別三部分，完成每一部分的方法有很多種，而研究一種具有普遍性且實(shí)用性強(qiáng)的方法顯得尤其重要。
　　在運(yùn)動(dòng)目標(biāo)的檢測(cè)過(guò)程中，對(duì)當(dāng)前常用的幾種運(yùn)動(dòng)目標(biāo)檢測(cè)方法

2、進(jìn)行了深入研究，基于這些方法的不足，本文提出了W4模型改進(jìn)法與平均值法相融合的目標(biāo)檢測(cè)算法。該方法把經(jīng)典W4背景建模算法提取的圖像像素點(diǎn)的最小和最大灰度值的線性加權(quán)值與均值法獲取的背景融合作為運(yùn)動(dòng)目標(biāo)檢測(cè)的背景模型，有效地克服了陰影、光照突變時(shí)對(duì)檢測(cè)結(jié)果的影響。實(shí)驗(yàn)結(jié)果表明，本文提出算法的檢測(cè)準(zhǔn)確率最高，檢測(cè)效果最好。
　　運(yùn)動(dòng)目標(biāo)的不同行為有其各自的特點(diǎn)，在提取運(yùn)動(dòng)目標(biāo)特征時(shí)，考慮提取維數(shù)較少且能夠較好反映運(yùn)動(dòng)行為的特征值來(lái)描述

3、目標(biāo)，提取了運(yùn)動(dòng)目標(biāo)的速度、質(zhì)心等運(yùn)動(dòng)特征和周長(zhǎng)、面積、緊密度、外接矩形框?qū)捀弑鹊冗吘壧卣髯鳛槊枋瞿繕?biāo)行為動(dòng)作的特征向量。為驗(yàn)證各特征對(duì)人體行為的描述效果，開(kāi)展了分析研究，結(jié)果證明速度、質(zhì)心、緊密度以及外接矩形框?qū)捀弑?種特征能有效地描述人體行為。
　　在視頻圖像序列中檢測(cè)出運(yùn)動(dòng)目標(biāo)后，利用提取的運(yùn)動(dòng)特征、邊緣特征分析運(yùn)動(dòng)目標(biāo)的行為，計(jì)算出特征數(shù)據(jù)后，通過(guò)實(shí)驗(yàn)法設(shè)定閾值來(lái)判別人體行為。實(shí)驗(yàn)研究了運(yùn)動(dòng)特征、邊緣特征以及運(yùn)動(dòng)特征和邊緣