基于視覺的人體行為檢測(cè)識(shí)別研究.pdf

1、基于視覺的人體行為檢測(cè)識(shí)別由于日益擴(kuò)大的需求而迅速發(fā)展,成為計(jì)算機(jī)視覺以及人工智能研究領(lǐng)域的一個(gè)熱點(diǎn)。它在智能視頻監(jiān)控、虛擬現(xiàn)實(shí)、運(yùn)動(dòng)分析、智能家居應(yīng)用、用戶接口等多個(gè)方面都具有非常廣泛的應(yīng)用前景。
　　 由于人是非剛性物體,有著太多的自由度,所建的人體模型有時(shí)不能準(zhǔn)確地表達(dá)真實(shí)的人體。而且由于計(jì)算機(jī)視覺領(lǐng)域的不成熟以及復(fù)雜多變的外界環(huán)境,這些都給人體行為的檢測(cè)識(shí)別研究帶來了諸多的挑戰(zhàn)。
　　 本文在對(duì)人體行為檢測(cè)識(shí)別的

2、主流算法的分析基礎(chǔ)上,分別對(duì)運(yùn)動(dòng)人體的檢測(cè)、特征的提取、行為的識(shí)別等三方面進(jìn)行了深入的研究,主要研究工作和成果如下:
　　 1.在廣泛查閱和綜述了相關(guān)國(guó)內(nèi)外文獻(xiàn)的基礎(chǔ)上,提出了一種基于改進(jìn)混合高斯模型和對(duì)稱差分相融合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。該算法以混合高斯背景減除法為基礎(chǔ),針對(duì)剛開始背景模型建立比較慢的缺點(diǎn),改進(jìn)了背景模型的更新學(xué)習(xí)率,并結(jié)合對(duì)稱差分法,實(shí)現(xiàn)對(duì)運(yùn)動(dòng)人體的檢測(cè)。實(shí)驗(yàn)證明,該算法能夠準(zhǔn)確實(shí)時(shí)地檢測(cè)到場(chǎng)景中的運(yùn)動(dòng)人體。

3、r>　　 2.介紹了人體行為特征選擇與提取的關(guān)鍵性與重要性。引入了形狀描述算子R變換。R變換具有對(duì)噪聲、空洞不敏感,魯棒性好的特點(diǎn),并具有平移、縮放不變的性質(zhì),但不具有旋轉(zhuǎn)不變性。進(jìn)一步改進(jìn)了R變換,使其具有旋轉(zhuǎn)不變的性質(zhì),更好地應(yīng)用描述人體行為特征。使用主成分分析(PCA)降維算法,對(duì)改進(jìn)R變換所提取出的特征進(jìn)行降維,為下一步的人體行為識(shí)別做準(zhǔn)備。
　　 3.使用處理時(shí)序信號(hào)有效的隱馬爾可夫模型(HMM)方法,作為分類器對(duì)人