复杂场景下面向时空模糊性的人体动作检测方案研究

《复杂场景下面向时空模糊性的人体动作检测方案研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、复杂场景下面向时空模糊性的人体动作检测方案研究摘要：与严格受控环境下传统的人体动作检测不同，进行复杂场景下的动作检测时由于背景带有噪声、人体遮挡和跟踪不全导致空间和时间边界存在时空模糊性。现有的动作检测方案无法有效解决这一问题，为此，首先采用运动历史图像特征和外观特征对人体运动进行区分，然后将一个动作的候选区域看成是一个实例包，提出模拟退火多实例学习支持向量机(SMILE7SVM)算法实现人体动作检测。仿真结果表明，该算法在公共的CMU运动数据集上的性能优于现有算法。另外，还提出了一种超市客户意图检测系统，可检测拥挤的超市中客户是否有意从货架上取货，对于

2、商家研宄客户兴趣具有重大价值。关键词：人体动作检测；时空模糊性；运动历史图像特征；外观特征；多实例学习中图分类号：TN911.73734；TP391文献标识码：A文章编号：10047373X(2016)15?0038?05Abstract：Unlikethetraditionalhumanmotiondetectioninwell?controlledenvironment，thespaceandtimeboundaryexiststhespace?timefuzzinessduetothe复杂场景下面向时空模糊性的人体动作检测方案研究摘要：与严格受控环

3、境下传统的人体动作检测不同，进行复杂场景下的动作检测时由于背景带有噪声、人体遮挡和跟踪不全导致空间和时间边界存在时空模糊性。现有的动作检测方案无法有效解决这一问题，为此，首先采用运动历史图像特征和外观特征对人体运动进行区分，然后将一个动作的候选区域看成是一个实例包，提出模拟退火多实例学习支持向量机(SMILE7SVM)算法实现人体动作检测。仿真结果表明，该算法在公共的CMU运动数据集上的性能优于现有算法。另外，还提出了一种超市客户意图检测系统，可检测拥挤的超市中客户是否有意从货架上取货，对于商家研宄客户兴趣具有重大价值。关键词：人体动作检测；时空模糊性；

4、运动历史图像特征；外观特征；多实例学习中图分类号：TN911.73734；TP391文献标识码：A文章编号：10047373X(2016)15?0038?05Abstract：Unlikethetraditionalhumanmotiondetectioninwell?controlledenvironment，thespaceandtimeboundaryexiststhespace?timefuzzinessduetothebackgroundnoise，humanbodyocclusionandincompletetrackingwhileperf

5、ormingmotiondetectionincomplexscene.Theavailablemotiondetectionschemescan7tsolvetheaboveproblemeffectively，thereforethemotionhistoryimage(MHI)featuresandappearancefeaturesareusedtodistinguishthehumanmotion.Andthenthecandidateregionsofanactionareregardedasaninstancepackage,andthes

6、imulatedannealingmultipleinstanceslearningsupportvectormachines(SMILE7SVM)algorithmisproposedforrealizingthehumanmotiondetection.ThesimulationresultsshowthattheproposedalgorithmissuperiortotheavailablealgorithmsintheaspectofpublicCMUactiondataset.Inaddition，aclientintentiondetect

7、ionsystemforsupermarketsisproposed，whichcandetectwhetherthecustomersintendtogetthemerchandiseonshelfincrowdedsupermarket,andhasthesignificantvalueformerchantstoresearchthecustomerinterests.Keywords:humanmotiondetection；space?timefuzziness；motionhistoryimagefeature；appearancefeatu

8、re；multi?instancelearning0引言当前大多数人体数据集中，