基于视频的几种人体行为识别技术研究

基于视频的几种人体行为识别技术研究

论文摘要

人体行为识别是计算机视觉领域的重要课题之一,近年来也是备受研究者关注的一个研究方向,可以广泛应用于智能视频监控、智能机器人、运动分析等领域中。然而由于人体运动是非刚体运动,且存在外观、身形、运动习惯等的差异,使得人体行为识别的难度较大,到目前为止,还没有一种能够通用的行为识别模型,大部分的研究都是在某一特定的场景下进行的。本课题的目的是实现对人体走、跑、跳和弯腰四种行为的识别,并对识别过程中所用到的一些算法进行研究。由于运动目标检测是人体行为识别的第一步,检测结果的好坏直接影响到行为识别的结果,因此本文首先对运动人体检测算法进行了研究。分别采用了帧间差分法、统计平均法和混合高斯模型法三种运动目标检测方法进行了实验,并对各个算法的优缺点进行了分析,最后本文选定混合高斯模型法作为本文进行运动目标检测的算法。对于检测出的结果图像,本文又进行了噪声去除,并根据人体的体型特征对检测出的运动目标是否是人体进行了判别。针对检测出的运动人体,本文又进行了特征提取,并对特征提取算法进行了研究。分别采用了两种方法进行特征提取:一种是基于Hu矩的特征提取算法,另一种是基于傅里叶描述子的特征提取算法。然后基于这两种特征提取算法,建立了两个人体模型:基于Hu特征矩的人体模型和基于改进的傅里叶描述子的人体模型。最后一步是人体行为的识别,本文首先对所要识别的四种行为定义了关键帧,然后采用了等间隔采样的关键帧提取算法进行关键帧的提取,再对提取出的关键帧进行特征的提取,建立了两个基于关键帧的人体模型库,最后分别基于这两个人体模型库完成人体行为的识别,并对识别结果进行了比较分析。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 课题背景和研究意义
  • 1.2 课题的研究现状
  • 1.3 行为识别算法的研究现状
  • 1.3.1 模板匹配法
  • 1.3.2 状态空间法
  • 1.4 人体行为识别的难点
  • 1.5 本文的主要研究内容
  • 第2章 运动人体检测技术研究
  • 2.1 基于帧间差分法的运动目标检测的研究
  • 2.2 基于背景减除法的运动目标检测的研究
  • 2.2.1 统计平均法
  • 2.2.2 混合高斯模型法
  • 2.3 噪声去除
  • 2.3.1 图像的腐蚀和膨胀
  • 2.3.2 开运算和闭运算
  • 2.4 运动人体的判别的研究
  • 2.5 运动人体轮廓提取的研究
  • 2.6 本章小结
  • 第3章 特征提取与行为识别研究
  • 3.1 概述
  • 3.2 特征提取方法的研究
  • 3.2.1 基于Hu 特征矩的特征提取
  • 3.2.2 基于傅里叶描述子的特征提取
  • 3.3 人体模型的建立
  • 3.3.1 基于Hu 的人体模型
  • 3.3.2 基于改进的傅里叶描述子的人体模型
  • 3.4 人体行为识别
  • 3.5 本章小结
  • 第4章 实验及结果分析
  • 4.1 实验样本选择
  • 4.2 运动目标检测实验及结果分析
  • 4.2.1 三帧差分法实验及结果分析
  • 4.2.2 统计平均法实验及结果分析
  • 4.2.3 混合高斯模型法实验及结果分析
  • 4.2.4 三种检测方法的比较
  • 4.2.5 噪声去除实验及结果分析
  • 4.2.6 轮廓提取的实验及结果分析
  • 4.3 特征提取实验
  • 4.3.1 基于Hu 矩的特征提取实验
  • 4.3.2 基于傅里叶描述子的特征提取实验
  • 4.4 关键帧提取实验
  • 4.5 人体模型库的建立实验
  • 4.5.1 基于傅里叶描述子的人体模型库的建立
  • 4.5.2 基于Hu 特征矩的人体模型库的建立
  • 4.6 本章小结
  • 结论
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].浅谈异常行为识别在我国民航中的应用[J]. 民航管理 2020(01)
    • [2].基于深度学习的人体行为识别算法[J]. 数学的实践与认识 2019(24)
    • [3].基于深度学习的实验鼠行为识别关键技术研究[J]. 佳木斯大学学报(自然科学版) 2020(02)
    • [4].风险驾驶行为识别及干预研究综述[J]. 汽车与安全 2020(03)
    • [5].基于深度学习的人体行为识别网络设计[J]. 中国科技信息 2020(10)
    • [6].基于深度学习的人体行为识别研究[J]. 高技术通讯 2020(05)
    • [7].舰船网络异常通信行为识别研究[J]. 舰船科学技术 2020(10)
    • [8].居家日常行为识别中基于SMOTE方法的数据不平衡问题研究[J]. 计算机产品与流通 2020(09)
    • [9].动态多视角复杂3D人体行为数据库及行为识别[J]. 数据采集与处理 2019(01)
    • [10].基于视觉的人体行为识别算法研究综述[J]. 计算机应用研究 2019(07)
    • [11].基于深度学习的人体行为识别技术研究[J]. 科技资讯 2019(29)
    • [12].人体行为识别研究[J]. 信息与电脑(理论版) 2017(24)
    • [13].人体行为特征融合与行为识别的分析[J]. 无线互联科技 2017(12)
    • [14].复杂场景下的人体行为识别研究新进展[J]. 计算机科学 2014(12)
    • [15].基于阶层多观测模型的多人行为识别[J]. 清华大学学报(自然科学版)网络.预览 2009(07)
    • [16].基于局部时空模式的体育视频行为识别[J]. 吉林大学学报(理学版) 2020(02)
    • [17].基于深度学习卷积神经网络的人体行为识别研究[J]. 科技传播 2020(06)
    • [18].基于通道注意力机制的视频人体行为识别[J]. 电子技术与软件工程 2020(04)
    • [19].融合目标检测和人体关键点检测的铁路司机行为识别[J]. 计算机测量与控制 2020(06)
    • [20].基于图像分割的驾驶员分心行为识别研究[J]. 浙江科技学院学报 2020(03)
    • [21].视像行为识别的大数据分析与教学决策研究[J]. 工程技术研究 2020(12)
    • [22].深度视频中人体行为识别的图建模技术[J]. 福建电脑 2020(07)
    • [23].智能手机传感器的人体行为识别技术[J]. 西安邮电大学学报 2020(01)
    • [24].人体行为识别关键技术研究[J]. 中外企业家 2019(08)
    • [25].基于深度学习的教室人体行为识别模型设计[J]. 现代信息科技 2019(07)
    • [26].基于时空双流与局部融合网络的行为识别[J]. 工业控制计算机 2019(11)
    • [27].人体行为识别的数据库对比研究[J]. 中国科技信息 2017(17)
    • [28].基于光流的人体行为识别[J]. 电脑知识与技术 2013(07)
    • [29].基于视觉的人体行为识别研究[J]. 中国新通信 2012(21)
    • [30].基于智能视频监控的异常行为识别的方法[J]. 中外企业家 2020(01)

    标签:;  ;  ;  ;  ;  

    基于视频的几种人体行为识别技术研究
    下载Doc文档

    猜你喜欢