论文部分内容阅读
人体行为识别指对人的运动模式进行分析和识别,并利用自然语言等加以描述,它是计算机视觉领域的研究热点。人体异常行为检测和识别是人体行为识别的一个重要的研究方向,同时该项研究在智能视频监控领域中有着广阔的应用前景。本文主要对视频中除行走外的所有行为进行识别和检测。 本文主要针对静止背景情况下的人体运动行为进行了较为深入的研究和分析。在运动目标检测方面,首先详细介绍了几种常用的目标检测方法,并对其进行了实验研究。由于受到光照等多方面因素的干扰,检测效果均不理想。然后依据本文的实际情况,提出利用混合高斯模型进行运动目标检测的方法,并取得了较好的实验效果。 在运动目标特征提取时,采用了 Hu 不变矩作为目标区域的形状特征;当人体在运动过程中,最小外接矩形的长宽比会发生规律性的变化,根据这一特点,通过快速傅里叶变换可以获取人体的周期性频率特征,从而表示出人体周期性运动的快慢。在运动目标识别与检测方面,首先建立合法行为模板库,然后采用模板匹配的方法进行检测,计算待检测行为与模板库的标准行为间欧式距离,并以此来判断该行为是否异常。 本文是在VC++6.0的开发平台上实现的,并与计算机的视觉开源库OpenCV相结合。通过大量的实验表明,综合运用本文中提出的人体异常行为检测算法,可以准确、快速的检测和识别出人体的运动行为是否发生了异常行为。