人體行為識別技術研究.pdf

1、視頻序列中的運動人體檢測與行為識別是一項涉及計算機視覺、模式識別及人工智能等多領域的研究課題，因其在商業(yè)、醫(yī)療和軍事等領域中廣泛的應用價值，一直是人們研究的熱點。然而，因為人體行為的多樣性和非剛性及視頻圖像固有的復雜性，所以要提出一種穩(wěn)健而又實時準確的方法仍然是一個極具挑戰(zhàn)的工作。
　　本文主要對人體運動目標的檢測和行為識別技術進行研究。在運動目標檢測方面，采用K均值聚類的思想對混合高斯模型進行初始化，節(jié)約了存儲空間并使初始化的高

2、斯模型更符合背景場景模型。根據場景中不同區(qū)域不同時間所需要的高斯模型的個數不同，對混合高斯模型中高斯成分的個數進行了自適應的選擇，將多余的高斯成分去除，節(jié)約了存儲空間并提高了檢測的速度。在運動目標陰影檢測和去除時，針對現有陰影檢測方法的不足，提出采用勿需提前設定閾值的改進的自適應陰影檢測方法，在陰影檢測時，采用只對混合高斯模型檢測出的可能為運動目標或陰影的區(qū)域進行陰影的判斷和去除。既保證了陰影檢測的準確性，又能提高算法的實時性。

3、　　針對現有基于Radon變換的特征提取和運動描述不具有縮放不變性的不足，提出采用改進的Radon變換提取視頻序列每一幀中運動人體區(qū)域最小外接矩形的Radon變換特征，并提取外接矩形的高寬比。該方法不僅具有平移不變性，而且具有縮放不變性。在特征提取和運動描述之前不再需要縮放歸一化處理，使特征的提取和運動的描述更具有魯棒性。有利于后續(xù)人體行為分析識別。論文提出了一種基于分段二維主成分分析（分段2DPCA）的人體行為識別方法。提高了行為識別