視頻數(shù)據(jù)中人體動作識別方法研究.pdf

1、人體動作識別是行為理解的基礎(chǔ)，有著重要的研究意義和廣闊的應(yīng)用前景。人體動作識別一般包括幾個關(guān)鍵步驟，即運動目標(biāo)檢測、時空特征提取、動作分類識別。本文首先介紹了幾種運動目標(biāo)檢測的常用算法，包括高斯混合模型法，ViBe算法，光流法等。
　　然后本文主要使用了兩種模型進行人體動作識別，第一種是基于3DZernike矩的人體動作整體特征的分類識別，這是一種基于時空特征提取的方法。該方法中將人體動作視作是一個由人體剪影組成的時空形狀，計算該

2、時空形狀的3DZernike矩作為人體動作視頻的整體特征，然后使用支持向量機的分類方法對其進行分類識別。
　　第二種是基于稀疏表示方法的人體動作識別，這種方法不同于傳統(tǒng)的時空特征提取方法，它是將原始數(shù)據(jù)轉(zhuǎn)換到另外一個空間進行表示。本文基于稀疏表示使用了兩個不同的算法進行了實驗驗證。第一個算法是先將每一幀的視頻數(shù)據(jù)進行分塊，并在此基礎(chǔ)上得到每一幀視頻數(shù)據(jù)的稀疏系數(shù)，這些系數(shù)是對原始數(shù)據(jù)的一種簡潔的表示，然后對這些系數(shù)使用相似度比較的

3、方法進行分類識別;第二個算法是基于SRC(基于稀疏表示的分類方法，SparseRepresentationbasedClassification)方法的，本文在SRC方法基礎(chǔ)上做了一些額外的處理與改動，使其更加適合于視頻數(shù)據(jù)的分類，該方法中首先根據(jù)SRC方法的思想，將訓(xùn)練數(shù)據(jù)的所有幀作為過完備字典，使用該字典對測試視頻的各幀進行稀疏表示，然后對得到的稀疏表示系數(shù)，使用類似于運動能量圖像的思想進行疊加得到對應(yīng)于整個測試視頻的特征，然后依據(jù)