基于條件隨機(jī)場(chǎng)的人體行為識(shí)別研究.pdf

1、視頻圖像序列中的人體行為識(shí)別是一項(xiàng)涉及了模式識(shí)別、計(jì)算機(jī)視覺和人工智能等多領(lǐng)域混合交叉的研究課題，因其在虛擬現(xiàn)實(shí)、視頻檢索和智能監(jiān)控等領(lǐng)域具有廣泛的應(yīng)用價(jià)值和實(shí)用價(jià)值，所以該課題一直是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。視頻序列中人體行為識(shí)別技術(shù)的研究目的是將人類的視覺感知功能賦予機(jī)器視覺系統(tǒng)，使其能夠在視頻圖像序列中跟蹤目標(biāo)、分割目標(biāo)并對(duì)目標(biāo)行為進(jìn)行分析與識(shí)別。經(jīng)過(guò)幾十年的不懈研究，上述技術(shù)均取得了巨大的進(jìn)步，但由于人體行為具有不可預(yù)知性、非剛

2、性以及圖像處理過(guò)程的復(fù)雜性，所以要提出一種既具有準(zhǔn)確性、實(shí)時(shí)性而且還適應(yīng)大多數(shù)場(chǎng)景的方法仍具有很大的困難。
　　本文主要對(duì)人體行為識(shí)別技術(shù)進(jìn)行研究。在運(yùn)動(dòng)目標(biāo)檢測(cè)方面，采用改進(jìn)后的平均背景法對(duì)混合高斯模型進(jìn)行初始化，使初始化的高斯模型更符合背景場(chǎng)景模型。在運(yùn)動(dòng)目標(biāo)陰影檢測(cè)和去除時(shí)，采用前景與背景的顏色差分法，使得提取出的目標(biāo)區(qū)域不包含陰影，對(duì)后續(xù)特征提取做了鋪墊工作。
　　針對(duì)通過(guò)傳統(tǒng) Radon變換提取出的特征不具有縮放和

3、平移不變性的缺點(diǎn)，本文提出一種改進(jìn)的Radon變換算法來(lái)提取出目標(biāo)區(qū)域的特征。該方法同時(shí)具有平移和縮放不變性的特點(diǎn)且相比于幾種已改進(jìn)過(guò)的Radon變換，在特征提取時(shí)也不再需要對(duì)特征向量進(jìn)行歸一化處理，使提取的特征表現(xiàn)出更強(qiáng)的魯棒性，計(jì)算也更簡(jiǎn)單。
　　針對(duì)傳統(tǒng)條件隨機(jī)場(chǎng)(CRF)方法實(shí)時(shí)性不足的問(wèn)題，提出一種基于主成分分析法的HCRF方法，提高了識(shí)別系統(tǒng)的實(shí)時(shí)性。實(shí)驗(yàn)結(jié)果表明，該方法可以有效的進(jìn)行人體行為識(shí)別，并能在保證識(shí)別率的基