運(yùn)動(dòng)人體檢測(cè)與異常行為識(shí)別技術(shù)研究與實(shí)現(xiàn).pdf

1、運(yùn)動(dòng)人體檢測(cè)和異常行為識(shí)別是在不需要人為干預(yù)情況下,利用計(jì)算機(jī)視覺(jué)的方法對(duì)視頻序列中的圖像進(jìn)行自動(dòng)分析,實(shí)現(xiàn)對(duì)動(dòng)態(tài)場(chǎng)景中運(yùn)動(dòng)人體的檢測(cè)、跟蹤和識(shí)別,并在此基礎(chǔ)上分析和判斷目標(biāo)的行為是否為異常行為。
　　 運(yùn)動(dòng)目標(biāo)檢測(cè)、運(yùn)動(dòng)目標(biāo)跟蹤和運(yùn)動(dòng)目標(biāo)行為識(shí)別是人體異常行為識(shí)別的三大核心模塊,本文完成的研究工作及主要貢獻(xiàn)包括以下幾個(gè)方面:重點(diǎn)研究了在攝像頭固定的情況下運(yùn)動(dòng)目標(biāo)的檢測(cè)的方法,在背景變化比較簡(jiǎn)單的情況下,本文提出了一種基于背景更

2、新與自適應(yīng)閾值選取相結(jié)合的方法,并有選擇性的對(duì)閾值進(jìn)行選取,提高了算法的性能；在背景環(huán)境比較復(fù)雜的情況下,選取了一種基于高斯混合模型方法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行提取,解決了光照以及樹(shù)木擾動(dòng)等外界變化帶來(lái)的影響。
　　 在運(yùn)動(dòng)目標(biāo)跟蹤方面,本文提出了一種區(qū)域融合的方法得到運(yùn)動(dòng)目標(biāo)的最小外接矩形,并選取區(qū)域中心的坐標(biāo)和區(qū)域的移動(dòng)速度作為一個(gè)狀態(tài)向量,實(shí)現(xiàn)了對(duì)目標(biāo)的跟蹤。
　　 在運(yùn)動(dòng)目標(biāo)識(shí)別方面,本文采用了模板匹配的思想,提出一種hu