基于视频的人体运动识别方法研究

论文摘要

目前,基于视频的人体运动分析是一个非常活跃的研究领域,而其高级阶段,人体运动识别更是该领域内一个富于挑战性的课题,它在人机交互、智能监控、体育性能分析、内容检索等领域具有广泛的应用前景。在分析总结国內外计算机领域关于人体运动识别研究工作的基础上,本文作者从视频中运动捕获的数据出发,针对具有复杂动作特征的人体动作识别和人体连续动作识别,分别建立了合适的模型。主要研究内容如下:首先,针对传统概率模型中对观测序列的限制和存在的“标记偏置”问题,提出了基于条件随机场模型描述人体动作时序特征序列的方法。该方法无需对观测建模,从而避免了独立性假设,并在优化过程中进行全局归一化又能解决“标记偏置”问题,从而更符合实际情况中人体动作建模。此外,由于条件随机场模型具有容纳观测值重叠和长距离依赖特征的特点,该方法在处理复杂人体动作识别时具有很强的优势。然后,针对人体连续动作的动作分段和识别,提出一种将条件随机场和条件概率密度传播相结合的方法。该方法将连续动作识别分解成各个单个动作识别的分治方法。首先利用条件概率密度对连续动作序列进行分割,采用一种先假设再验证的策略,假设多个可能的动作分段,再以条件随机场输出的概率形式的识别结果验证分段假设。由于分割时去除了动作转换过程中部分过渡帧,从而减轻了过渡姿势的影响,提高了识别的鲁棒性和正确率。实验结果表明,本文作者提出的复杂动作识别和连续动作识别方法是行之有效的,并为进一步的研究奠定了良好的基础。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究意义
• 1.2 国内外研究水平和现状
• 1.3 人体运动识别的难点和面临的挑战
• 1.4 本文主要工作
• 1.5 本文组织结构
• 第二章 人体运动识别方法综述
• 2.1 特征提取
• 2.1.1 非模型的方法
• 2.1.2 基于模型的方法
• 2.2 识别
• 2.2.1 基于模板的方法
• 2.2.2 概率统计方法
• 2.2.3 基于语法的方法
• 2.2.4 常用识别方法的比较
• 2.3 本章小结
• 第三章 基于条件随机场的动作识别
• 3.1 无向图模型
• 3.2 条件随机场的势函数
• 3.3 条件随机场模型
• 3.3.1 参数训练
• 3.3.2 概率评估
• 3.3.3 动态规划
• 3.3.4 求解最优状态序列
• 3.4 基于条件随机场的动作识别
• 3.4.1 特征提取
• 3.4.2 模型训练
• 3.4.3 动作识别
• 3.5 本章小结
• 第四章 基于分割的连续动作识别
• 4.1 连续动作识别中存在的难点
• 4.1.1 “动作插入”问题
• 4.1.2 解决思路
• 4.2 基于条件概率密度传播的边界检测
• 4.2.1 贝叶斯滤波原理
• 4.2.2 条件概率密度传播
• 4.2.3 基于估计机制的边界检测
• 4.3 连续动作识别的实现
• 4.3.1 提出假设
• 4.2.3 验证假设
• 4.2.3 连续动作识别算法
• 4.4 本章小结
• 第五章 实验结果及分析
• 5.1 实验环境
• 5.2 单个动作实验结果及分析
• 5.3 连续运动实验结果及分析
• 5.4 本章小结
• 第六章 总结及展望
• 6.1 本文总结
• 6.2 工作展望
• 附录A: 本文插图索引
• 附录B: 本文公式索引
• 参考文献
• 致谢
• 攻读硕士学位期间完成的论文和参加的项目