基于視覺(jué)的運(yùn)動(dòng)人體行為分析.pdf

1、運(yùn)動(dòng)人體行為分析是計(jì)算機(jī)視覺(jué)領(lǐng)域最活躍的研究課題之一,在運(yùn)動(dòng)分析、智能視頻監(jiān)控、虛擬現(xiàn)實(shí)、人機(jī)交互等領(lǐng)域具有廣闊的應(yīng)用前景,其核心是從視頻中提取有效信息對(duì)人體行為進(jìn)行檢測(cè)、跟蹤以及最終的識(shí)別。但是在實(shí)際應(yīng)用中仍存在許多難題,比如在復(fù)雜環(huán)境下的前景目標(biāo)檢測(cè)性能問(wèn)題,兼顧樣本信息同時(shí)降低特征維數(shù)的特征選擇提取問(wèn)題,保證高維非線性樣本的分類(lèi)實(shí)時(shí)有效性問(wèn)題等。因此,研究基于視覺(jué)的運(yùn)動(dòng)人體行為分析具有非常重要的理論意義和實(shí)用價(jià)值。
　　

2、本文針對(duì)運(yùn)動(dòng)人體行為分析中的關(guān)鍵技術(shù)及存在問(wèn)題有以下研究成果:
　　 1.在查閱與研究了相關(guān)運(yùn)動(dòng)人體檢測(cè)算法文獻(xiàn)的基礎(chǔ)上,針對(duì)復(fù)雜環(huán)境下的前景提取性能問(wèn)題,以背景減除法為基礎(chǔ),運(yùn)用碼書(shū)模型實(shí)時(shí)更新背景。實(shí)驗(yàn)表明,該算法對(duì)于復(fù)雜環(huán)境下的運(yùn)動(dòng)檢測(cè)實(shí)時(shí)有效,同時(shí)對(duì)背景擾動(dòng)、環(huán)境變化等不利因素具有很強(qiáng)的魯棒性。
　　 2.分析了目前廣泛應(yīng)用于特征選擇與提取的主成分分析算法(PCA),針對(duì)該算法的線性本質(zhì)局限,通過(guò)非線性函數(shù)轉(zhuǎn)入核

3、空間后進(jìn)行PCA處理,保留了樣本的非線性信息；另外,運(yùn)用加權(quán)策略,提高了主要特征對(duì)于識(shí)別的貢獻(xiàn)。實(shí)驗(yàn)表明本文提出的加權(quán)核PCA算法所提取的特征與原算法相比,在降低相同維數(shù)的基礎(chǔ)上能更準(zhǔn)確的表征樣本信息。
　　 3.基于視覺(jué)的行為識(shí)別是典型的高維非線性樣本分類(lèi)問(wèn)題,訓(xùn)練樣本的數(shù)量直接影響分類(lèi)的正確率和實(shí)時(shí)性。針對(duì)這一問(wèn)題,選用了兩類(lèi)經(jīng)典分類(lèi)器:K近鄰和支持向量機(jī)(SVM),進(jìn)行實(shí)驗(yàn)比較,并依據(jù)歐氏距離對(duì)K近鄰算法進(jìn)行加權(quán)改進(jìn),同時(shí)