基于視覺的人體運動分析算法研究.pdf

1、基于視覺的人體運動分析是計算機視覺研究領域的重要課題之一，被廣泛地應用于智能監(jiān)控、人機交互以及虛擬現(xiàn)實等領域中。人體運動分析的主要目的是從視頻序列中檢測、跟蹤、識別人體姿勢，并對其行為進行理解和描述。本文針對運動分析中的關鍵問題——運動目標檢測、目標跟蹤以及行為識別算法進行了研究。 本文實現(xiàn)了基于高斯混合模型的背景減除算法，采用基于自適應學習速率的背景模型學習算法，加快模型收斂速度，在初始場景中存在運動目標的情況下也能達到比較理

2、想的效果。 本文對目標跟蹤算法的研究主要是以粒子濾波技術為理論框架，將目標的顏色信息引入到粒子濾波算法中，建立目標的顏色統(tǒng)計直方圖，使得算法需要的粒子數(shù)減少，計算復雜度降低。該方法對于目標被部分遮擋、旋轉以及形變等情況有較強的適應性。 本文的行為識別算法是建立在對人體行為觀測的基礎上的，用一種改進的基于人體區(qū)域的形狀上下文技術表示人體輪廓形狀，通過對訓練樣本集進行學習，利用最佳狀態(tài)數(shù)估計法建立連續(xù)隱馬爾可夫模型之后，利用

3、貝葉斯判別準則，實現(xiàn)了對人體行為如走、跑、雙腳合攏跳躍、單腳跳躍和側向跳躍五種行為的識別。 本文的創(chuàng)新點有三個： 1.基于自適應學習速率的背景模型學習算法從兩個方面對傳統(tǒng)的基于高斯混合模型的背景減除算法做出改進。一方面，針對模型初始化階段的問題，采用背景模型學習算法；另一方面，在模型建立和更新過程中，采用不同的學習機制，模型更新時采用自適應的學習速率，使模型能夠快速準確地收斂。 2.用基于人體區(qū)域的形狀上下文描述