学位论文 > 优秀研究生学位论文题录展示
视频序列中人体简单行为识别的关键技术研究
作 者: 张伟娟
导 师: 王传旭
学 校: 青岛科技大学
专 业: 计算机应用技术
关键词: 行为识别 姿态建模 时空特征点 高斯混合模型 二元语法分类模型
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 209次
引 用: 4次
阅 读: 论文下载
内容摘要
在计算机视觉领域中,人体运动行为识别是一个被广泛关注的热点问题,在智能监控、机器人、人机交互等方面也有巨大应用价值。本文主要研究的是视频图像序列中基于时空特征点的人体运动姿态建模和简单行为的识别,例如常见的走路、跑步、挥手、跳跃、弯腰等行为的识别。人体运动姿态的建模是人体运动行为描述和识别的关键环节,为了克服在运动目标检测和跟踪的过程中,由于运动目标分割所造成的轮廓提取不准确这一缺点,本文提出了一种姿态建模的新方法,首先从学习的视频序列样本中提取人体运动的时空特征点(Spatial -Temporal Interesting Points,即STIPs),用来描述人体的运动特征,因此,视频序列中每帧中的每个姿态都会对应一个时空特征点集,然后采用非监督的NERF C-Mean分类方法对相似姿态样本归类,最后用基于EM的高斯混合模型方法对分类出的每类典型姿态进行建模;这样就可以确定运动人体的典型姿态信息。运动人体行为识别属于对视频序列高层语义的理解,简单行为识别的过程是根据输入测试序列的姿态出现顺序,通过计算找出其在典型姿态转移图中的最大概率路径,进而识别其所属的行为类别。进行行为识别的前提是通过计算人体每个典型姿态间的转移概率,建立状态已知的描述人体多种行为的马尔可夫模型。针对行为识别问题,提出了将汉字分类的二元语法分类模型,应用于运动行为识别的新思路,可以更好的实现对视频序列高层语义的理解。广泛的实验证明该算法对不同背景、不同装束、不同尺度以及运动人体被遮挡等情况下的行为识别,均有较好的鲁棒性和识别效果。
|
全文目录
摘要 4-5 ABSTRACT 5-9 第1章 绪论 9-14 1.1 研究背景与意义 9-11 1.2 国内外研究动态及主要研究方法 11-12 1.3 论文的主要内容及结构安排 12-14 第2章 人体运动特征的提取及典型姿态的分类 14-27 2.1 引言 14-15 2.2 底层运动特征的提取 15-19 2.2.1 时空特征点的介绍 15-16 2.2.2 时空特征点的提取 16-18 2.2.3 时空特征点的描述符 18-19 2.3 人体运动姿态直方图 19-21 2.3.1 姿态直方图的确立 19-20 2.3.2 姿态直方图间的差异度计算 20-21 2.4 人体运动姿态的聚类 21-26 2.4.1 模糊聚类方法的基本原理 21-23 2.4.2 NERF C-Mean 分类方法以及基本步骤 23-24 2.4.3 基于NERF C-Mean 姿态分类方法的实现 24-26 2.5 本章小结 26-27 第3章 人体运动姿态的建模 27-35 3.1 引言 27 3.2 EM 算法 27-28 3.2.1 EM 算法的含义 27-28 3.2.2 EM 算法的原理 28 3.3 混合高斯模型建模 28-33 3.3.1 混合模型聚类原理 28-29 3.3.2 极大似然方法 29-30 3.3.3 高斯混合模型 30-31 3.3.4 聚类的EM 算法 31-33 3.4 试验 33-34 3.5 本章小结 34-35 第4章 基于马尔可夫模型的简单行为识别 35-49 4.1 引言 35-36 4.2 隐马尔可夫模型 36-43 4.2.1 马尔可夫链 36-37 4.2.2 隐马尔可夫模型基本概念 37-38 4.2.3 隐马尔可夫模型主要问题的解决方案 38-41 4.2.4 最佳状态序列的选择—Viterbi 算法 41 4.2.5 隐马尔可夫模型在运动人体行为识别中的应用 41-43 4.3 基于显马尔可夫模型的人体行为描述和识别 43-47 4.3.1 基于显马尔可夫模型的行为描述 43-45 4.3.2 基于显马尔可夫模型的行为识别算法 45-46 4.3.3 二元语法统计模型应用于行为识别 46-47 4.3.4 基于显马尔可夫模型进行行为识别的特点 47 4.4 本章小结 47-49 第5章 试验数据结果与分析 49-58 5.1 试验数据结果 49-56 5.1.1 Leave-one-Subject-Out-Test 实验 49-51 5.1.2 基于Weizmann 数据库的识别算法鲁棒性实验 51-53 5.1.3 基于KTHAction 数据库的算法性能测试 53-56 5.2 试验结果分析 56-57 5.3 本章小结 57-58 第6章 总结与展望 58-60 6.1 总结 58 6.2 展望 58-60 参考文献 60-64 致谢 64-65 攻读硕士期间发表的论文 65-66
|
相似论文
- 高质量语音转换系统中关键技术的研究,TN912.3
- 基于组合及统计的图像型垃圾邮件检测研究,TP391.41
- 基于无线传感器网络的智能家居安全监测系统的研究与应用,TP273.5
- 大流量环境下实时P2P流媒体行为识别系统设计与实现,TN919.8
- 多特征融合的视觉跟踪算法研究,TP391.41
- 分布式实时P2P检测系统研究与实现,TP393.02
- 头部运动分析及其在考场视频监控系统中的研究与应用,TP277
- 智能视频监控系统中人体异常行为检测与识别研究,TP391.41
- 视频中人体行为识别的判别稀疏编码方法研究,TP391.41
- 青岛奥运景观识别系统研究,TU986
- 无线传感器网络中的追击者—逃跑者跟踪问题研究,TP212.9
- 基于视频序列的运动人体行为分析关键技术研究与实现,TP391.41
- 基于计算机视觉的三维人机交互技术研究及应用,TP391.41
- 实时视频监控系统中运动目标检测与异常行为识别,TP391.41
- 基于形状特征的人体行为识别方法研究,TP391.41
- 高斯混合模型及在探测网络社区结构中的应用,TP393.094
- 基于行为识别的反垃圾邮件技术的探讨,TP393.098
- 智能监控系统中人体行为识别技术研究与实现,TP391.41
- 运动人体检测与异常行为识别技术研究与实现,TP391.41
- 面向智能视频监控的事件检测建模及优化,TP391.41
- 层析芯片阳性信号的信息提取和定量分析研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|