基于图语法的视频运动分析

论文摘要

视频运动分析有着非常广阔的应用背景,在视频监控系统、视频浏览、视频信息检索、感知接口等产品的设计过程中,都需要对大量的视频运动信息进行分析。视频运动分析最终得出对图像内容含义的理解以及对客观场景的解释,从而指导和规划行动。视频运动分析的研究在计算机视觉和人工智能领域都占有重要的地位。本论文以视频行为识别为技术目标,从低层视频运动分析技术开始,系统研究了视频运动分析框架下目标提取、跟踪、识别、行为描述和识别的算法,并且在此基础上提出了基于属性图语法的行为描述、识别算法。依据视频运动分析的流程,本论文首先主要对现有的低层运动分析算法进行了详细分析和改进,并增加了对于干扰因素的处理技术。然后,对低层运动分析中得到的目标运动轨迹进行谱聚类,提取位置、速度、是否可见等运动特征,分析其语义信息。最后,利用了图语法模型可以通过对一类物体建立与或图、解析图等概率模型而实现对该类物体很好的识别效果的特点,将图语法与视频运动分析中的行为理解问题结合起来,为一类事件建立事件与或图、事件分解图等概率模型,提出了基于图语法的运动表示、识别算法。本论文提出的基于图语法的行为识别算法将语义事件分解为组合事件和对应的时空关系字典,每个组合事件进一步分解为基本事件。基本事件和时空关系的配置就组成了特定的语义事件,并可以通过“事件分解图”将其描述,同时该事件所有可能的变量通过“事件与或图”模型表示出来。本文通过多个实验数据结果证明了本论文提出的基于图语法的视频运动分析算法是有效的。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究的背景
• 1.2 本文研究工作的内容
• 2 文献综述
• 2.1 低层视频运动分析
• 2.2 行为分析方法
• 2.3 图语法
• 3 低层视频运动分析
• 3.1 运动目标检测
• 3.1.1 常用算法概述
• 3.1.2 混合高斯模型
• 3.2 目标识别和分类
• 3.2.1 常用目标分类算法概述
• 3.3 目标跟踪
• 3.3.1 Kalman滤波的基本原理
• 4 行为描述和识别技术
• 4.1 行为描述（表示）
• 4.1.1 行为描述技术概述
• 4.1.2 基于运动轨迹的行为特征描述
• 4.2 行为识别
• 4.2.1 行为识别技术概述
• 5 图语法技术及行为识别算法
• 5.1 属性图语法
• 5.2 基于图语法的行为识别算法
• 5.2.1 图语法概率模型的学习算法
• 5.2.2 基本事件
• 5.2.3 时空关系
• 5.3 事件识别
• 5.3.1 基于图语法的事件识别
• 6 实验结果及分析
• 6.1 低层视频运动分析实验结果及分析
• 6.1.1 运动目标检测算法实验结果
• 6.1.2 目标识别分类算法及实验结果
• 6.1.3 跟踪及轨迹提取实验结果
• 6.2 事件识别实验结果
• 7 总结和展望
• 参考文献
• 致谢
• 个人简历
• 发表的学术论文