学位论文 > 优秀研究生学位论文题录展示

基于HOG/HOF及空—时兴趣点的行为识别方法研究

作　者: 康恺
导　师: 朱煜
学　校: 华东理工大学
专　业: 信号与信息处理
关键词: 人体行为识别 梯度方向直方图 三维梯度方向直方图 隐形马尔科夫过程 支持向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2014年
下　载: 34次
引　用: 0次
阅　读: 论文下载
 

内容摘要


视频中的行为识别作为智能监控系统的重要应用方面,目前已经成为计算机视觉领域中十分重要的研究方向。行为识别的过程可分为四个的部分：目标检测、目标跟踪、目标分类和目标行为识别。论文以模式识别和数字图像处理等理论为基础,经过对国内外人体行为识别的方法的分析和研究,提出了基于梯度方向直方图(Histograms of Oriented Gradients, HOG)、光流场方向直方图(Histograms of Optical Flow, HOF)的二维全局特征与运动特征相结合的行为识别方法,研究并实现了基于HOG3D三维局部空-时兴趣点特征描述的行为识别方法。基于HOG、HOF特征的行为识别方法首先利用帧差法和阈值法对运动区域进行检测,提取人体运动区域；其次对提取的运动区域用HOG和HOF特征进行描述,同时利用之前检测运动区域时得到的二值图像提取出人体二值图像的重心,通过对重心移动的判断,得到运动速度特征；再对所有测试数据的HOG或HOF特征应用K最邻近算法同样本数据进行对比,得到测试数据中每张图片所属的类别；最后将所有数据中的每张图片代表的类别识别并编为序号,将20个序号成为一组变成序列,应用隐形马尔科夫模型采用交叉检验的方法对所有数据进行测试。基于HOG3D特征的行为识别方法首先将视频帧分组并利用Harris-Corner3D检测算法检测出视频组序列中的3D兴趣点；其次对兴趣点进行筛选剔除不满足条件的点,对剩下的兴趣点用HOG3D特征进行描述；接着运用K均值聚类算法对所有兴趣点进行聚类,得到的聚类中心就是词袋模型中的词典库；最后对每个视频序列中的兴趣点按照直方图的形式统计其在词典库中的位置,最终得到视频序列的直方图特征,对所有的直方图特征应用支持向量机模型并采用交叉检验的方法进行测试。本文选取了KTH数据中在四个场景下25个人不同的6个动作作为实验数据集,对论文中研究的人体行为识别算法进行了仿真,通过对结果分析,证明了本论文中实现的算法的有效性。

全文目录


摘要  5-6
Abstract  6-9
第1章 绪论  9-13
  1.1 研究背景及意义  9-10
  1.2 国内外研究现状  10
  1.3 人体行为特征  10-12
  1.4 本文结构  12-13
第2章 HOG与HOF特征提取方法  13-19
  2.1 HOG特征  13-15
  2.2 HOF特征  15-18
  2.3 本章小结  18-19
第3章 空-时兴趣点的特征检测与描述算法  19-28
  3.1 空-时兴趣点检测器  19-20
  3.2 空-时兴趣点特征描述器  20-21
  3.3 Harris-Corner兴趣点检测  21-23
  3.4 HOG3D三维梯度方向直方图描述器  23-26
    3.4.1 梯度计算  24
    3.4.2 方向量化  24-26
    3.4.3 直方图的计算  26
    3.4.4 描述符计算  26
  3.5 本章小结  26-28
第4章 基于HOG/HOF全局特征的行为识别方法  28-44
  4.1 基于HOG/HOF特征的行为识别方法  28-33
    4.1.1 行为区域检测  28-30
    4.1.2 基于HOG特征、HOF特征和速度特征的联合描述  30
    4.1.3 基于KNN和HMM的行为分类  30-33
  4.2 基于HOG/HOF特征的行为识别结果  33-42
    4.2.1 行为区域检测结果  33-35
    4.2.2 KNN单帧动作识别结果  35-38
    4.2.3 HMM行为序列识别结果  38-42
  4.3 本章小结  42-44
第5章 基于空-时兴趣点HOG3D特征的行为识别方法  44-53
  5.1 基于HOG3D特征的行为识别方法  44-48
    5.1.1 基于空-时Harris-Corner3D的兴趣点检测  44-45
    5.1.2 空-时兴趣点的HOG3D描述方法  45-46
    5.1.3 基于K-means的词袋模型建立  46-47
    5.1.4 基于SVM的行为识别  47-48
  5.2 基于HOG3D特征的行为识别结果  48-52
  5.3 本章小结  52-53
第6章 总结与展望  53-56
  6.1 本文完成的工作  53-54
  6.2 进一步的工作和展望  54-56
参考文献  56-60
致谢  60

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  3. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  4. 音乐结构自动分析研究,TN912.3
  5. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  6. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  7. 基于图像的路面破损识别,TP391.41
  8. 基于支持向量机的故障诊断方法研究,TP18
  9. 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
  10. 基于特征选择的入侵检测研究,TP393.08
  11. LS-SVM算法预测煤层瓦斯涌出量技术研究及应用,TD712.5
  12. 基于MRI灌注的计算机辅助肝脏病变检测,R445.2
  13. 基于机器学习的入侵检测系统研究,TP393.08
  14. 隐私保护线性规划和支持向量机新算法,O221.1
  15. 基于支持向量机的基因表达数据降维方法的研究,TP181
  16. 人类抗原肽载体结合力预测,R392.1
  17. 基于视觉的运动人体行为分析,TP391.41
  18. 湿法冶金浸出过程建模与优化,TF803.2
  19. 支持向量机理论及其应用,O212.1
  20. 面向文本分类的改进K近邻的支持向量机算法研究,TP391.1
  21. 基于半圆裙虚拟试衣造型的支持向量机面料分类研究,TS941.4

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