视频中人体行为识别的研究

《视频中人体行为识别的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ｉ＇ｒ．，心Ｘ＂．．＜．－ｒ一＇ｉ心ｉ．Ｉ．／．＇？＇－＇魏賴Ｗ３；密品＝，．一、＇＇．．一，ｔ＿＇．＇－：：＇冷０＇ｖ＞心為．ｆ：ｗ雀／＊亦：／一Ｊ４话壽＞．占．；．－＼－、、，＾．‘＾．ＬｔＩ石心－琴像？化考？Ｖ．斗：＇．■Ｖ．艮ｚｖ．－巧．４：＇於ｖｖ－；．－ｒＶ；Ｖ：／．．吳．；－Ｉ：户一．著．．＇：．．：廷．．站＇ｋ＾－．ｃ，．．巧．，；Ｖ；＇扛＇／；．：＞；．ｆ；＇．．：．严：；．：；一；＇每再萬巧＇＇沾．；．＂．冀惡；药＇岑与ｖ．气ｖ署Ｖ；－；：條－＇，＇、与，Ｖ７ｖｒ

2、：．：＾论试＾：究＇．‘苗．＇Ｙ；毒／；：遲．ｒ；＇；．女．？．’：柏％转．奋Ｊ｜．．Ｙ一．－心．－－李龙－－Ｓ毒．甲．：＇．－ｆ或．业位类＞甲．‘：‘．全日：－＇．：’．业领域昕ｉｖ？，．．其文交曰ｆ：，Ｖ转＇＞＇，．令；，；－＾－祕；．．ｗ．，寺．：’Ａ＾Ｖ／－ｕ哈或＇．，Ｓ；肖／４‘、Ｊ．－记诗－＇．．．至＇１．．ｖ＂式元ｎ／、．．＊＾‘．藻：＞夸．：！．－異Ｖ如畜替知彎：，ASTUDYONHUMANACTIONRECOGNITIONINVIDEOThe

3、sisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByLiLongSupervisor:Prof.ZhaoJunxiApril2016摘要视频中的人体行为识别技术一直以来都是计算机视觉领域中一个非常活跃研究课题，在智能监控、视频检索、人机交互等领域应用广泛。本文主要研究视频中人体行为识别的方法。主要思路是通过时空兴趣点获得极具价值的行为底层特征信息,通过视觉词袋模型得到行为特征的人体行为知识词典,通过行为特征训练学习产生人体行为模式。为了提高复杂场景下的人

4、体行为识别的准确率，本文对传统的特征提取和描述方法加以改进，主要的工作内容如下：（1）深入探讨了人体行为识别过程中各个阶段的关键技术。对3DHarris、Dollar时空兴趣点检测方法做了研究和分析,探讨了时空兴趣点特征描述方法，包括HOG、HOF、3DHOG描述子。运用视觉词袋模型进行行为类别建模，最后，结合SVM分类器实现对视频中人体行为的判定。仿真结果表明，这些方法在KTH和UCFSports数据库上有很好的识别效果。（2）针对复杂背景中会产生一些无关兴趣点的问题，给出了增加时空兴趣点质量的方法。通过对人体运动区域的提取，限定时空兴趣点的产生范围，可以抑制复杂背景带来的不利影响，来

5、增加提取时空兴趣点的质量。通过仿真发现该方法在去除干扰时空兴趣点的同时，对于识别效果的提高也是有效的。（3）从丰富特征描述的信息出发，提出了使用复合时空特征和融入时空兴趣点的轨迹特征对时空兴趣点及邻域进行描述。复合时空特征结构中包含了局部的空间结构信息和局部的运动信息，而进一步提出的融入轨迹特征的描述子还具备了局部的相对运动信息。从实验的结果可以看出，这两个种新的描述方法对于提高行为识别的效果都有好处，融入时空兴趣点的轨迹特征比复合时空特征表现更好。关键词:人体行为识别，时空兴趣点，3D-Harris，Dollar，复合时空特征，轨迹特征，视觉词袋模型IAbstractThetechno

6、logyofhumanactionrecognitionhasbeenmoreimportantinthefieldofcomputervisionandwidelyusedinthefieldofvideosurveillance,videoandimageretrieval,human-computerinteractioncurrently.Thisthesismainlystudiesthemethodofhumanactionrecognition.Thisrecognitionmethodusesakindofvaluablelow-levelfeaturescalledSp

7、atio-TemporalInterestPoints(STIP)torepresenthumanactions,createsactiondictionarybasedonbag-of-visualwordsmodel(BoVW)andlearnsactionpatternsbysomeactionfeatures.Thegoalinthisthesisistoimprovetherecognitionrateundercompl