基于視頻的多目標(biāo)運(yùn)動(dòng)人體行為識(shí)別.pdf

1、視覺是人類觀察和認(rèn)識(shí)世界的重要途徑，基于視頻的運(yùn)動(dòng)人體行為分析的目的是在不需要人為干預(yù)或者盡量少加入人為干預(yù)的條件下，實(shí)現(xiàn)基于視頻的運(yùn)動(dòng)人體檢測(cè)、跟蹤、識(shí)別人的獨(dú)立動(dòng)作、認(rèn)知多人之間以及人與周圍環(huán)境之間的交互行為等?；谝曨l的人體行為分析，在智能視頻監(jiān)控智能人機(jī)交互以及人工智能領(lǐng)域均有重大的應(yīng)用價(jià)值。
　　本文使用微軟Kinect for Windows2.0作為人體運(yùn)動(dòng)視頻獲取裝置，結(jié)合人體三維旋轉(zhuǎn)信息，以現(xiàn)如今基于視頻的人體行

2、為分析研究中部分重點(diǎn)難點(diǎn)為出發(fā)點(diǎn)，對(duì)人體運(yùn)動(dòng)特征的提取、連續(xù)動(dòng)作分割以及人體行為識(shí)別進(jìn)行了探討研究，獲得了如下幾個(gè)方面的成果：
　?。?）定義深度圖像的幀間距離實(shí)現(xiàn)人體連續(xù)動(dòng)作的分割與識(shí)別。針對(duì)現(xiàn)有的動(dòng)作識(shí)別方法大多數(shù)是建立在假設(shè)待識(shí)別人體行為已經(jīng)給定動(dòng)作的開始幀和結(jié)束幀的基礎(chǔ)上這一問題，本文定義了深度圖像的幀間距離，提出基于視頻幀間距離(DBKF)的運(yùn)動(dòng)人體行為分割算法，實(shí)現(xiàn)了簡(jiǎn)單方便的單一運(yùn)動(dòng)目標(biāo)的連續(xù)動(dòng)作分割。
　?。?/p>

3、2）基于關(guān)節(jié)四元數(shù)的多目標(biāo)人體行為識(shí)別。本文基于四元數(shù)理論結(jié)合三維人體骨架提出人體關(guān)節(jié)四元數(shù)作為特征信息用于建立運(yùn)動(dòng)人體行為表示模型，先將多目標(biāo)人體進(jìn)行個(gè)體分離，再使用支持向量機(jī)（SVM）作為分類器對(duì)視頻片段中的人體運(yùn)動(dòng)行為進(jìn)行分類，實(shí)現(xiàn)了少特征高準(zhǔn)確度的基于視頻的多目標(biāo)人體行為識(shí)別。
　?。?）基于隱馬爾可夫模型(HMM)的異常行為識(shí)別。本文將三維人體旋轉(zhuǎn)信息進(jìn)行拓展運(yùn)用到異常行為識(shí)別中，使用關(guān)節(jié)角作為特征參數(shù)，結(jié)合隱馬爾可夫鏈