視頻中的人體目標檢測及其行為識別研究.pdf

1、安防視頻監(jiān)控的智能化與自動化是當前計算機視覺的研究熱點，其中人體目標檢測、追蹤及其行為識別是智能化視頻監(jiān)控的主要研究內容，智能化監(jiān)控系統(tǒng)不僅具有重要的實際應用價值，并且對人工智能、模式識別以及計算機視覺的其他領域具有重要的推動作用。人體目標檢測及其行為識別的任務是實現(xiàn)在視頻中檢測人體目標，并且實時對其行為進行識別和分析，雖然眾多的計算機科研工作者經(jīng)過十多年的不懈研究，已形成眾多優(yōu)秀的行人檢測和行為識別算法，但實踐表明各種人體目標檢測、追

2、蹤和行為識別算法都具有或多或少的缺陷，受限于實際應用場景，提出一種可以應用于各種復雜情況下的算法成為當前的迫切需求。本文主要研究人體目標檢測、追蹤及其行為識別中的關鍵技術問題，內容概述如下:
　　1)提出了一種基于三維橢圓編碼本模型的前景分割算法，針對強光照下難以去除行人陰影的問題，通過對視頻中的像素點在RGB顏色空間中建立三維橢圓模型，并且記錄像素值在視頻序列中出現(xiàn)的頻率，這兩項共同組成編碼本。依據(jù)像素點的顏色值是否位于該編碼本

3、中的三維橢圓外，判斷其是否為前景目標。對比實驗表明，該改進方法可有效處理視頻中的較暗區(qū)域以及視頻中的噪聲，并且可以準確分割強光照環(huán)境下的人體陰影，對于準周期性變化的動態(tài)背景也能達到較好的分割效果。
　　2)提出了一種基于貝葉斯公式的復雜環(huán)境下的人群分割算法，解決了視頻中行人互有遮擋的情況下，難以檢測出每個行人個體的問題。該算法采用貝葉斯公式，將分割問題轉換為求最大后驗概率問題，用假設的行人分割模型匹配前景區(qū)域，通過多次的循環(huán)迭代修

4、改假設分割模型，以收斂到最大后驗概率，得到最優(yōu)的人群分割結果。通過對視頻數(shù)據(jù)集PETS2009的實驗表明，對三個具有不同行人重疊度的視頻使用該算法，可有效準確分割遮擋度在一半以下的行人人群，對于被嚴重遮擋的行人也可部分識別。
　　3)在卡爾曼濾波框架下提出了一種基于顏色梯度方向直方圖的行人追蹤算法，解決了追蹤目標被其他行人或物體遮擋導致追蹤失敗的問題。該算法首先采用基于顏色梯度方向直方圖對行人建模，這種行人建模法可以有效包含人體的

5、紋理信息，使兩幀之間的行人匹配更精確。然后結合卡爾曼濾波算法預測行人位置，對于完全被遮擋的行人目標，通過繼續(xù)預測其在未來圖像幀中的位置實現(xiàn)目標追蹤，當其重新出現(xiàn)在視頻中可以有效判斷為先前消失的行人目標。對比實驗采用PETS2009視頻數(shù)據(jù)集，結果表明采用基于顏色梯度方向直方圖結合卡爾曼濾波法可以精確追蹤行人目標，并且可以有效追蹤被完全遮擋的行人目標。
　　4)識別視頻中人體目標的行為，根據(jù)人體運動的部位在時間和空間中變化最為劇烈的