視頻中人體動作識別的研究.pdf

1、計算機視覺中的人體運動分析涉及了目標檢測,目標跟蹤以及人體行為動作識別等領(lǐng)域。在這些領(lǐng)域當中,動作識別在安全監(jiān)控,人機交互,出入境管制以及基于內(nèi)容的視頻摘要和檢索等方面有著廣泛的應(yīng)用前景。目前,針對這個活躍的課題,已經(jīng)有大量的科研機構(gòu)和研究者做了深入的研究。然而在真實場景中的人體活動往往存在著巨大的類內(nèi)差異,準確而又快速的人體動作識別依然是一個極具挑戰(zhàn)性和開放性的問題。
　　由于人體動作識別技術(shù)涵蓋范圍廣泛,涉及圖像處理、計算機視

2、覺、模式識別、機器學習領(lǐng)域的綜合應(yīng)用,本文重點研究視頻中動作的特征表示,特征融合以及詞袋模型等幾方面的內(nèi)容。并就其中涉及的一些相關(guān)具體問題做了深入的研究,主要的研究內(nèi)容和貢獻包括:
　　1.研究了視頻中人體動作的特征表示以及識別方法,包括光流特征,輪廓特征,時空興趣點特征,詞袋(bag of words)模型,主題模型以及判別模型等。廣泛閱讀當前動作識別領(lǐng)域的相關(guān)文獻,對動作識別方法進行分類學習和整理。同時深入研究了動作表示中全局

3、和局部的表示方法,為本文中動作特征的提取和融合奠定了基礎(chǔ)。
　　2.本文利用人體分塊模型和光流特征提出一種簡潔高效的動作表示方法。首先,人體分塊模型將人體剪影分成各個區(qū)塊,精確地表征出人體各部位的運動情況;其次,基于局部光流特征提出了一種精確穩(wěn)定的運動描述子來表征運動信息。同時,利用運用上下文的方法,提取了人體動作空間的局部時序信息,即將動作的過去,現(xiàn)在以及將來聯(lián)系起來。將三種類型的特征進行融合,最后采用詞袋模型最為動作的最終表示

4、方法。
　　3.本文選擇判別式模型作為動作識別的分類模型。該模型采用直方圖交叉核的方法建立核函數(shù),然后利用這個核函數(shù)來訓練多類支持向量機的判別函數(shù),從而對動作進行分類識別。在此基礎(chǔ)上,本文利用包含全局的運動速度信息,采用一種兩級分類系統(tǒng),首先利用速度信息對人體動作進行初步的粗分類,然后再使用多類支持向量機的方法對動作進行最終的分類識別。本文的方法測試了兩個公共數(shù)據(jù)集:Weizmann和KTH。通過各種對比實驗以及實驗分析表明:該算