基于形状特征的人体行为识别方法研究

论文摘要

人体行为识别指对人体运动模式进行分析和识别,是当前计算机视觉领域的研究热点,在智能监控、高级人机交互、体育运动分析等方面具广阔的应用前景。本文研究的目的就是在成功实现运动人体检测的基础上,提取人体行为特征参数,建立识别模型,实现人体行为的自动识别。本文对人体行为分析与识别展开研究,主要集中于特征提取和分类识别两个关键部分。首先,简要介绍了运动人体的获得过程。通过背景减除法得出运动人体二值图像序列,并对二值图像进行预处理。其次,详细描述了两种形状特征提取过程。一种是基于傅里叶描述子的人体轮廓特征提取,根据八邻域跟踪算法获得二值图像中的人体轮廓,对人体轮廓提取基于中心距的傅里叶描述子特征,同时根据振幅-频率图决定傅里叶描述子的维数;另一种是基于几何参数的人体区域特征提取过程,通过对人体二值图像进行连通性处理,对获得的人体二值图像提取基于几何参数的特征,最后对提取的特征参数进行主成分分析降低维数。最后,对隐马尔科夫分类器和径向基神经网络分类器的设计进行了研究并加以改进。根据人体行为的特点,设计了一种无跨越左右型的隐马尔科夫模型;而在径向基神经网络的参数确定过程中,采用了动态最近邻聚类算法来确定网络的中心。通过实验验证了两种方法的有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.2 国内外研究现状分析
• 1.3 基于视频的人体行为识别系统
• 1.4 本文的主要研究工作
• 1.5 本文的组织安排
• 第2章 人体行为的识别方法
• 2.1 运动人体检测
• 2.2 提取运动目标的特征
• 2.2.1 基于模型方法的特征提取
• 2.2.2 基于非模型方法的特征提取
• 2.3 行为的分类识别
• 2.3.1 模板匹配的方法
• 2.3.2 概率统计的方法
• 2.3.3 神经网络的方法
• 2.4 本章小结
• 第3章 人体形状特征的提取与表示
• 3.1 傅里叶描述子
• 3.2 基于傅里叶描述子的人体轮廓特征提取
• 3.2.1 提取运动人体的轮廓线
• 3.2.2 提取人体轮廓的傅里叶描述子特征
• 3.3 基于几何参数的特征提取
• 3.3.1 二值图像的几何参数特征
• 3.3.2 图像的连通性处理
• 3.3.3 基于几何参数的形状特征提取
• 3.3.4 提取特征的主分量
• 3.4 本章小结
• 第4章 基于隐马尔科夫模型的人体行为识别
• 4.1 隐马尔科夫模型
• 4.1.1 隐马尔科夫链
• 4.1.2 HMM 模型的拓扑结构
• 4.1.3 HMM 模型的基本算法
• 4.2 HMM 在人体行为识别中的应用
• 4.2.1 人体图像特征提取
• 4.2.2 矢量量化过程
• 4.2.3 HMM 分类器设计
• 4.2.4 实验及其分析
• 4.3 本章小结
• 第5章 基于RBF 神经网络的人体行为识别
• 5.1 RBF 神经网络
• 5.1.1 基于高斯核的RBF 神经网络的拓扑结构
• 5.1.2 径向基神经元模型机构
• 5.1.3 RBF 网络的学习
• 5.2 RBF 神经网络在人体行为识别中的应用
• 5.2.1 RBF 神经网络设计
• 5.2.2 RBF 网络的训练与识别
• 5.2.3 实验及其分析
• 5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介