视频运动人体行为识别与分类方法的研究

《视频运动人体行为识别与分类方法的研究》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、西安电子科技大学博士学位论文视频运动人体行为识别与分类方法研究作者：导师：学科：学位：张浩刘志镜教授计算机应用技术工学博士二零一一年四月中国·西安IIlllIllllITII[[II[IIY1958762HumanMotionRecognitionandClassificationinVideoSequencesADissertationSubmittedtoXidianUniversityinCandidacyfortheDegreeofDoctorofPhilosophyInComputerApp

2、licationTechnologybyHaoZhangXi’an，P．R．ChinaApril2011独创性(或创新性)声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人

3、签名：日期：丝』』：么：￡垄关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属诬安电子科技大学。本人保证毕业离校后，发表论文或使用论文(与学位论文相关)工作成果时署名单位仍然为西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文，学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。(保密的论文在解密后遵守此规定)本人签名：导师签名：一日期：2翌Z么：么：么圣日期：摘要运动人体行为的

4、特征表示和目标识别作为视频监控的主要研究内容，是计算机视觉领域当前的研究热点，不但具有重要的实际意义，而且对计算机视觉和其它相关研究领域具有重要的促进作用。视频监控技术研究的主要目的是将人类的视觉感知功能赋予机器视觉系统，使其能够在图像序列中发现目标、跟踪目标，并对目标的行为进行识别和理解。经过几十年的不懈研究，上述技术均取得了长足的进步，但实践表明通常意义上的人体行为检测与识别技术还远未成熟，有效的人体行为识别算法是智能视频监控系统鲁棒性和实用性的核心。研究工作以视频监控系统为载体，以实际应用为研究

5、目标，以运动人体行为作为主要研究对象，以行为的辨别方法为研究内容，深入地探索了人体行为识别与分类方法中行为的表示和建模方法。研究内容涵盖了单人与多人行为、局部与全局特征、基于模板的方法和基于概率模型的方法，为智能视频监控系统的实用化提供理论依据。本文的主要工作和贡献概述如下：(1)分段加权动态时间规划法研究了步态模型中多模板之间的关联性，针对多模板之间关联程度弱、不易度量的问题，提出了一种新的多模板相似性度量方法，即分段加权动态时问规划法。在分析步行运动规律的基础上，总结了步行过程中身体形状的宽高比与

6、各个姿态的对应关系。按照姿态的相似程度，将一个完整的步态周期划分为八个连续的状态，从每个状念中分别选取连续的三帧图像作为特征帧。然后提取特征帧的步态轮廓，计算轮廓的质心点坐标，利用解卷绕法将二维轮廓线展开为一维信号，统计该信号量的长度，分析其统计特征，确定标准化的参数值。将所有解卷绕后的数据标准化并插值，获得每个数据点的值，并计算相同状态一维信号的算术平均值，按顺序构建对应状态的模板。计算其各状态模板与样本的加权动态时间规划距离，度量相似程度，判别测试序列所属类别，提高了步态识别的准确率。在解卷绕过程

7、中，为了精确地计算质心到轮廓边界点之间的距离，提出了单像素轮廓点提取算法，解决了由于轮廓线像素宽度不统一而引起的展开误差问题。该方法在建模过程中，充分分析了数据规律，并做了必要的数据规范和插值，克服了因为数据尺度差异产生的误差。(2)关键帧特征识别法视频运动人体行为IJl!IjIJ’j分类方法研究研究了运动人体行为姿念的差异性，针对单人运动行为过程复杂、难于表征的问题，提出了一种新的行为模板识别方法，即关键帧特征识别法。通过对人体运动行为规律的研究，分析了各种行为的特征姿态，总结了不同行为身体形状的宽

8、高比与对应特征姿态的关系，提出了一种特征姿态的检测算法。该算法消除了噪声点和关键帧误差的影响，有利于从视频序列中提取有效信息，减少冗余信息，降低计算复杂度，提高计算效率。通过对锨变换描述符的研究，总结了其在图像描述方面的性质，利用该描述符分析了视频序列中各种姿态的特征曲线及变化规律，通过计算同类特征姿态的算术平均值建立了关键姿念模板，降低了误差。该方法充分利用关键姿态差异大的特点，采用动态时问规划方法计算模板与测试样本之间的距离，度量相似程度，判别测试样