基于行为特征组合的行为识别方法的研究与实现

摘要

在工业生产现场、生活社区、车站、学校等安全要求敏感的场所,视频监控发挥着极其重要的作用,对于维护国家的公共安全有着重要的现实意义。目前在出现案件需要对监控视频进行搜索时,大部分还停留在人工操作的现状。由于庞大的数据量及人为因素的影响,监控的效果很不理想。因此智能化监控日益引起人们的关注。而人的异常行为的检测和识别是提高智能化监控水平和监控效果的有效手段,也是本文研究的重点。
　　本文基于该领域已有的算法和理论,从行为识别以及规则库的更新入手,展开研究工作。对于行为识别主要是指行为特征的提取与匹配,重点是行为特征的准确提取。而对于规则库的更新主要是指规则的创建。本文对于行为特征提取采用轮廓提取算法与星型骨架方法相结合的思路来解决,行为特征的匹配识别采用改进的KMP算法解决。而对于规则库的更新主要有两种方法,一种方法是输入同一行为的几组图片的路径,通过行为特征提取算法对几组图片的行为特征进行训练得到准确性较高的规则;另一种方法是通过简单规则组合创建复杂规则。第二种方法是本文的创新点。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1. 1 选题背景及研究意义

1. 2 国内外现状

1. 3 主要研究内容

1. 4 论文结构

1. 5 本章小结

第二章 相关技术概述

2. 1 图像底层视觉特征

2. 2 相似度匹配方法

2. 3 人体行为识别常用方法

2. 4 本章小结

第三章 需求分析与总体设计

3. 1 需求分析

3. 2 总体设计

3. 3 核心问题识别

3. 4 本章小结

第四章 采用星型骨架方法解决行为特征提取问题

4. 1 行为识别问题分析

4. 2 星型骨架方法

4. 3 星型骨架方法测试与验证

4. 4 本章小结

第五章 采用规则组合技术解决规则库的更新问题

5. 1 规则库问题分析

5. 2 规则组合方法

5. 3 规则组合方法测试与验证

5. 4 本章小结

第六章 结束语

6. 1 论文工作总结

6. 2 后续工作展望

致谢

参考文献