基于動(dòng)態(tài)圖像序列的運(yùn)動(dòng)人體行為識(shí)別的研究.pdf

1、基于視覺(jué)的目標(biāo)行為分析是指對(duì)圖像序列中的目標(biāo)進(jìn)行檢測(cè)、跟蹤、描述以及識(shí)別，其在視頻監(jiān)測(cè)、圖像檢索、機(jī)器視覺(jué)等領(lǐng)域均有著重要的應(yīng)用。行為目標(biāo)的檢測(cè)以及跟蹤是行為目標(biāo)分析的基礎(chǔ)，屬于目標(biāo)理解的基礎(chǔ)層研究階段，行為目標(biāo)的描述以及識(shí)別屬于行為理解的高級(jí)層階段。對(duì)目標(biāo)行為理解的研究具有重要的意義以及廣泛的應(yīng)用前景。本文具體圍繞行為目標(biāo)的檢測(cè)、行為目標(biāo)的跟蹤定位以及行為目標(biāo)的分析理解，對(duì)目標(biāo)直立行走、蹲下、跑步、摔倒、坐下五類行為進(jìn)行分析識(shí)別。實(shí)驗(yàn)

2、結(jié)果顯示，本文系統(tǒng)基本能夠識(shí)別該五類行為，尤其對(duì)異常行為跌倒的識(shí)別準(zhǔn)確率較高。
　　 (1)針對(duì)傳統(tǒng)背景差分以及幀間差分的缺點(diǎn)，本文采用了一種結(jié)合背景差分與幀間差分的目標(biāo)檢測(cè)方法。首先將算法所需的背景以及幀序列進(jìn)行灰度級(jí)的擴(kuò)展，對(duì)傳統(tǒng)背景差分和幀間差分后的前景圖像通過(guò)動(dòng)態(tài)閾值進(jìn)行分割，最后將分割結(jié)果相乘，得到目標(biāo)的運(yùn)動(dòng)區(qū)域。該算法通過(guò)動(dòng)態(tài)地尋找分割閾值，使差分后的前景能夠以最適合的閾值進(jìn)行分割，提高了目標(biāo)檢測(cè)的準(zhǔn)確性。
　

3、　 (2)在目標(biāo)跟蹤定位階段，本文采用基于微分?jǐn)U張器和GVF-Snake的自適應(yīng)目標(biāo)跟蹤算法。首先由DESO跟蹤到的輪廓矩形采樣點(diǎn)形成的曲線，對(duì)輪廓跟蹤算法進(jìn)行初始化，該方法避免了原始跟蹤算法的手動(dòng)初始化，提高了算法的實(shí)時(shí)性，實(shí)現(xiàn)對(duì)目標(biāo)輪廓的快速跟蹤。然后由GVF-Snake跟蹤到的結(jié)果對(duì)DESO進(jìn)行更新，實(shí)現(xiàn)了微分?jǐn)U張器和GVF-Snake對(duì)目標(biāo)的聯(lián)合跟蹤，提高了算法的魯棒性和實(shí)時(shí)性。
　　 (3)行為目標(biāo)的描述中，本文采用