人体运动行为识别相关方法研究

摘要

基于视频的人体行为识别是一项通过对采集到的视频序列中的运动人体进行行为特征的提取和描述，构造有效的分类与识别模型，实现对视频内容的自动分析与理解，达到正确识别人体行为目的的技术。这项技术在智能监控、视频检索、人机交互等领域具有广泛的应用价值。
　　本文主要研究工作如下:
　　(1)选择高效鲁棒的时空兴趣点为特征进行人体行为识别研究
　　在分析比较几种行为检测方法的基础上，选择检测高效、性能鲁棒的Dollar时空兴趣点检测方法作为本文研究基础。实验结果表明，Dollar检测方法可以获得数量充足的时空兴趣点，且算法简单、快速。
　　(2)在特征描述方法上，提出了两种对时空兴趣点特征描述方法的改进
　　①针对LBP算法对噪声敏感的问题，通过结合邻域信息平滑编码阈值，在消除噪声的同时保留有效特征信息。实验结果表明，这项改进突出了局部特征，提高了人体行为识别精度。
　　②针对LBP-TOP算法忽略邻点间关系易致丢失邻域结构信息的问题，以及忽略时空兴趣点局部特征在时域和空域上变化的差异性的问题，提出了对时空兴趣点的局部时空特征采用不对等描述的策略思路，即ST-LBP-TOP算法。在空域和时域上采用方向局部二值模式描述邻域纹理结构，在时域上另引入线性局部二值模式反映纹理沿时序的变化特性。实验结果表明，该算法更好地刻画了行为特征，从而提高了人体行为识别精度。
　　(3)在构建词袋模型上，提出了双词典模型和词典优化策略
　　①针对词袋模型忽略特征时空关系的问题，提出了基于局部特征表观信息和时空位置信息的双词典模型，丰富了词典语义信息。实验结果表明，该模型比单词典词袋模型具有更好的分类识别效果。
　　②针对基于K-means聚类的词典构造方法存在量化误差的问题，提出了局部特征按不同隶属度分配给多个视觉单词的优化思想，基于K-SVD算法进行词典的构造与优化。实验结果表明，通过优化视觉词典构造方法达到了提高人体行为识别精度的目的。

目录

声明

摘要

第1章 绪论

1．1 人体行为识别的研究背景和意义

1．2 人体行为识别的研究现状与发展趋势

1．2．1 国内外相关领域研究现状

1．2．2 当前人体行为识别存在的主要挑战

1．2．3 人体行为识别发展趋势

1．3 本文的主要工作

1．4 论文的结构安排

第2章 基于视频的人体行为识别方法概述

2．1 引言

2．2 人体行为特征提取方法

2．2．1 空间特征提取方法

2．2．2 时空特征提取方法

2．3 人体行为特征描述方法

2．3．1 不同特征性质的描述方法

2．3．2 不同空间尺度的描述方法

2．4 人体行为分类识别方法

2．4．1 词袋模型法

2．4．2 状态空间法

2．5 本章小结

第3章 基于时空兴趣点检测的人体行为特征提取方法分析

3．1 引言

3．1．1 时空特征提取方法的相关分析

3．1．2 时空兴趣点检测的相关术语

3．2 基于时空兴趣点检测的人体行为特征提取的实现

3．2．1 Dollar检测算法原理

3．2．2 时空兴趣点提取与cuboid生成步骤

3．3 实验研究与结果分析

3．3．1 实验环境与参数设置

3．3．2 实验结果分析

3．4 本章小结

第4章 基于局部时空信息的人体行为特征描述方法研究

4．1 引言

4．1．1 基于局部时空信息的人体行为特征描述

4．1．2 局部时空特征描述方法的相关研究

4．2 基于LBP-TOP的空间特征描述算法

4．2．1 LBP纹理特征描述算法

4．2．2 LBP-TOP特征描述算法

4．3 基于ST-LBP-TOP的时空特征描述算法

4．3．1 算法原理

4．3．2 算法流程

4．4 实验研究与结果分析

4．4．1 实验环境与参数设置

4．4．2 实验结果分析

4．5 本章小结

第5章 基于词袋模型的人体行为分类识别方法研究

5．1 引言

5．1．1 提出基于时空信息双词典的改进词袋模型

5．1．2 词袋模型(Bag-of-Words，BOW)

5．2 基于改进词袋模型的人体行为建模方法

5．2．1 基于时空双词典的改进词袋模型

5．2．2 基于K-SVD优化算法的词典构造改进方法

5．3 实验研究与结果分析

5．3．1 实验环境与参数设置

5．3．2 实验结果分析

5．4 本章小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢