【摘要】：視頻中的人體行為識別技術一直以來都是計算機視覺領域中一個非�；钴S研究課題,在智能監(jiān)控、視頻檢索、人機交互等領域應用廣泛。本文主要研究視頻中人體行為識別的方法。主要思路是通過時空興趣點獲得極具價值的行為底層特征信息,通過視覺詞袋模型得到行為特征的人體行為知識詞典,通過行為特征訓練學習產(chǎn)生人體行為模式。為了提高復雜場景下的人體行為識別的準確率,本文對傳統(tǒng)的特征提取和描述方法加以改進,主要的工作內容如下:(1)深入探討了人體行為識別過程中各個階段的關鍵技術。對3D Harris、Dollar時空興趣點檢測方法做了研究和分析,探討了時空興趣點特征描述方法,包括HOG、HOF、3D HOG描述子。運用視覺詞袋模型進行行為類別建模,最后,結合SVM分類器實現(xiàn)對視頻中人體行為的判定。仿真結果表明,這些方法在KTH和UCF Sports數(shù)據(jù)庫上有很好的識別效果。(2)針對復雜背景中會產(chǎn)生一些無關興趣點的問題,給出了增加時空興趣點質量的方法。通過對人體運動區(qū)域的提取,限定時空興趣點的產(chǎn)生范圍,可以抑制復雜背景帶來的不利影響,來增加提取時空興趣點的質量。通過仿真發(fā)現(xiàn)該方法在去除干擾時空興趣點的同時,對于識別效果的提高也是有效的。(3)從豐富特征描述的信息出發(fā),提出了使用復合時空特征和融入時空興趣點的軌跡特征對時空興趣點及鄰域進行描述。復合時空特征結構中包含了局部的空間結構信息和局部的運動信息,而進一步提出的融入軌跡特征的描述子還具備了局部的相對運動信息。從實驗的結果可以看出,這兩個種新的描述方法對于提高行為識別的效果都有好處,融入時空興趣點的軌跡特征比復合時空特征表現(xiàn)更好。
[Abstract]:Human behavior recognition technology in video has always been a very active research topic in the field of computer vision, and has been widely used in intelligent monitoring, video retrieval, human-computer interaction and other fields. This paper mainly studies the methods of human behavior recognition in video. The main idea is to obtain valuable behavior characteristic information through space-time interest points, to obtain human behavior knowledge dictionary of behavior characteristics through visual word bag model, and to produce human behavior patterns through behavior feature training and learning. In order to improve the accuracy of human behavior recognition in complex scenes, this paper improves the traditional feature extraction and description methods. The main contents are as follows: (1) the key technologies in each stage of human behavior recognition are discussed in depth. The detection method of space-time interest points in 3D Harris,Dollar is studied and analyzed, and the feature description method of space-time interest points, including HOG,HOF,3D HOG descriptors, is discussed. The visual word bag model is used to model the behavior category. Finally, the SVM classifier is combined to determine the human behavior in the video. The simulation results show that these methods have a good recognition effect on KTH and UCF Sports databases. (2) aiming at the problem that some independent interest points will occur in complex background, a method to increase the quality of space-time interest points is given. By extracting the motion region of human body and limiting the generation range of space-time interest points, the adverse effects of complex background can be suppressed, and the quality of space-time interest points can be increased. Through simulation, it is found that this method is also effective for improving the recognition effect while removing the interest points of interference space-time. (3) starting from the rich information of feature description, In this paper, the compound space-time characteristics and the trajectory characteristics of space-time interest points are proposed to describe the space-time interest points and neighborhoods. The compound space-time feature structure contains the local spatial structure information and the local motion information, and the further description which integrates the trajectory feature also has the local relative motion information. From the experimental results, it can be seen that these two new description methods are beneficial to improve the effect of behavior recognition, and the trajectory characteristics of integrating space-time interest points are better than those of compound space-time features.
【學位授予單位】：南京郵電大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 李寧;須德;傅曉英;袁玲;;結合人體運動特征的行為識別[J];北京交通大學學報;2009年02期

2 張偉東;陳峰;徐文立;杜友田;;基于階層多觀測模型的多人行為識別[J];清華大學學報(自然科學版);2009年07期

3 吳聯(lián)世;夏利民;羅大庸;;人的交互行為識別與理解研究綜述[J];計算機應用與軟件;2011年11期

4 申曉霞;張樺;高贊;薛彥兵;徐光平;;一種魯棒的基于深度數(shù)據(jù)的行為識別算法[J];光電子.激光;2013年08期

5 鄭胤;陳權崎;章毓晉;;深度學習及其在目標和行為識別中的新進展[J];中國圖象圖形學報;2014年02期

6 曾青松;余明輝;賀衛(wèi)國;李玲;;一種行為識別的新方法[J];昆明理工大學學報(理工版);2009年06期

7 谷軍霞;丁曉青;王生進;;基于人體行為3D模型的2D行為識別[J];自動化學報;2010年01期

8 李英杰;尹怡欣;鄧飛;;一種有效的行為識別視頻特征[J];計算機應用;2011年02期

9 王新旭;;基于視覺的人體行為識別研究[J];中國新通信;2012年21期

10 王忠民;曹棟;;坐標轉換在移動用戶行為識別中的應用[J];北京郵電大學學報;2014年S1期

相關會議論文 前7條

1 苗強;周興社;於志文;倪紅波;;一種非覺察式的睡眠行為識別技術研究[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

2 齊娟;陳益強;劉軍發(fā);;基于多模信息感知與融合的行為識別[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

3 方帥;曹洋;王浩;;視頻監(jiān)控中的行為識別[A];2007中國控制與決策學術年會論文集[C];2007年

4 黃紫藤;吳玲達;;監(jiān)控視頻中簡單人物行為識別研究[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

5 安國成;羅志強;李洪研;;改進運動歷史圖的異常行為識別算法[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

6 王忠民;曹棟;;坐標轉換在移動用戶行為識別中的應用研究[A];2013年全國通信軟件學術會議論文集[C];2013年

7 劉威;李石堅;潘綱;;uRecorder:基于位置的社會行為自動日志[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

相關重要報紙文章 前4條

1 李晨光;導入CIS要注意什么？[N];河北經(jīng)濟日報;2001年

2 農發(fā)行鹿邑支行黨支部書記 行長 劉永貞;發(fā)行形象與文化落地農[N];周口日報;2007年

3 東林;行為識別新技術讓監(jiān)控沒有“死角”[N];人民公安報;2007年

4 田凱　徐蕊 李政育 信木祥;博物館安全的國際經(jīng)驗[N];中國文物報;2014年

相關博士學位論文 前10條

1 邵延華;基于計算機視覺的人體行為識別研究[D];重慶大學;2015年

2 仝鈺;基于條件隨機場的智能家居行為識別研究[D];大連海事大學;2015年

3 馮銀付;多模態(tài)人體行為識別技術研究[D];浙江大學;2015年

4 姜新波;基于三維骨架序列的人體行為識別研究[D];山東大學;2015年

5 韓姍姍;基于視覺的運動人體特征描述與行為識別研究[D];浙江工業(yè)大學;2015年

6 裴利沈;視頻中人體行為識別若干問題研究[D];電子科技大學;2016年

7 何衛(wèi)華;人體行為識別關鍵技術研究[D];重慶大學;2012年

8 吳秋霞;復雜場景下的人體行為識別[D];華南理工大學;2012年

9 于成龍;基于視頻的人體行為識別關鍵技術研究[D];哈爾濱工業(yè)大學;2014年

10 王亮;基于判別模式學習的人體行為識別方法研究[D];哈爾濱工業(yè)大學;2011年

相關碩士學位論文 前10條

1 唐小琴;基于全局和局部運動模式的人體行為識別研究[D];西南大學;2015年

2 胡秋揚;可穿戴式個人室內位置和行為監(jiān)測系統(tǒng)[D];浙江大學;2015年

3 陳鈺昕;基于時空特性的人體行為識別研究[D];燕山大學;2015年

4 任亮;智能車環(huán)境下車輛典型行為識別方法研究[D];長安大學;2015年

5 金澤豪;并行化的人體行為識別方法研究與實現(xiàn)[D];華南理工大學;2015年

6 王呈;穿戴式多傳感器人體日�；顒颖O(jiān)測系統(tǒng)設計與實現(xiàn)[D];南京理工大學;2015年

7 王露;基于稀疏時空特征的人體行為識別研究[D];蘇州大學;2015年

8 于靜;基于物品信息和人體深度信息的行為識別研究[D];山東大學;2015年

9 章瑜;人體運動行為識別相關方法研究[D];南京師范大學;2015年

10 趙揚;家庭智能空間下基于行走軌跡的人體行為理解[D];山東大學;2015年

，

本文編號：2489802