视频序列中的人体行为识别.pdfVIP

视频序列中的人体行为识别 摘 要 人体行为识别是计算机视觉重要的研究领域之一，主要目的是通过分析视 频的内容对人体行为进行描述和识别，这一研究在智能视频监控和人机交互等 方面具有广阔的应用前景。 本文结合理论和实际，对行为识别的相关关键技术进行研究，主要涉及视 频序列的关键帧提取、行为特征的提取和描述、运动行为建模等方面。本文主 要着眼于单人运动行为的识别，工作主要包括以下方面： 1）本文提出了一种基于光流场的关键帧提取算法,利用光流场最大值处的 局部均值与整体均值的比值来进行关键帧判定。面向实际运用时，这一算法能 在基本保持行为识别精度的前提下，有效的减少了后续算法的运行时间。 2 ）当前的行为描述子提取工作都是在帧的基础上进行的，本质上是基于静 态像素，本文提出了一种基于光流场的兴趣点检测算法，采用的是提取光流场 的SURF 兴趣点来作为描述子。实验结果表明该算法提取的描述子能够有效地 代表行为特征。 3 ）本文提出了一种改进的 K 均值聚类算法，在进行聚类前，增加了基于 距离统计的离群点剔除步骤，提高了识别准确率，并减少后续算法的运行时间。 在 Weizmann 、KTH 数据集上进行实验，结果表明本文提出的算法能够有 效地识别人体行为，对光照、尺度等具有一定的鲁棒性。 关键词：行为识别；关键帧；光流场；离群点；词袋模型 Human Activity Recognition In Video Sequence s ABSTRACT Human activity recognition is one of the most important areas of computer vision. It achieves automatic behavior description and recognition by analyzing video content . The technology has been widely used in Intelligent Video Surveillance (IVS) and Human-Computer Interaction, etc. In both the theoretical and the practical perspective, this thesis tries to get insights on some key issues in human action recognition .The issues mainly focus on key-frame extracting, action feature representation . The main work is concluded as follows: Firstly, we propose an algorithm of key frames. The algorithm determines key frames by the ratio of the mean value of the maximal value and the overall mean value of the optical flow. Under the precondition of keeping similar recognition accuracy ，The method can reduce running time of latter algorithms obviously in practical application . Secondly, the existing descriptors mostly extract from single frame which is essentially based on pi