论文部分内容阅读
基于视觉的人体行为识别是人体运动分析的重要研究方向,属于计算机视觉的高层应用,广泛应用于智能监控系统、家居安全系统、智能机器人、运动员辅助训练等系统中。计算机理解人体动作和行为必将成为未来高层计算机视觉技术的一个重要发展方向。然而,人体行为复杂多样并且缺少明确的分类模式,并且同一段人体动作在不同的场景下具有不同的意义,目前还没有一种通用的行为识别模型,大部分的研究是针对特定的应用采用某种行为表示模型。近年来,分层模型已经成为国内外学者应用较多的一种行为表示方法,只是在不同的应用环境和研究任务下,模型的层次及各个层次的定义有所不同。本文在分析和总结以往分层模型和实验室具体研究的基础上,并结合人们认识和理解事物的一般特征,提出了一种基于分层模型的人体行为识别方法。该方法将行为识别由低到高划分为三个层次,逐步实现人体的姿态识别、简单动作识别和用于视频监控系统中的异常行为检测。文中首先提出了一种利用傅立叶描述子和姿态码书的人体姿态识别算法。算法中利用人体轮廓参数建立人体姿态模型,通过分层识别方法和最近邻分类器实现对人体姿态的认知。实验结果表明该算法可以有效的识别人体姿态,计算复杂度较低、存储量较小,同时对于一些有干扰的图像,系统仍然能够达到很好的识别效果,鲁棒性较好。在人体动作识别中,利用一种关键帧提取方法实现对视频序列中的关键姿态抽取,通过对关键姿态与姿态码书的匹配实现动作的识别,并采用窗口滤波函数对识别结果进行平滑处理。实验结果表明,该方法能够有效的对视频序列进行关键帧提取,最后通过对关键姿态的匹配和动作序列平滑,实现人体动作的识别。最后,在前面工作的基础上,将行为分析应用到一种视频监控系统中,利用目标特征点的运动轨迹,根据用户上层定义的规则,实现对几种简单异常行为的识别,并给出了该系统中异常行为分析模块的实验结果。