论文总字数：25449字

摘 要

人体行为识别研究是计算机视觉研究领域的一个热点，同时这是一个备受关注和极具挑战性的课题。人体行为识别技术的应用十分广泛，如：智能监控、人机交互、运动分析、虚拟现实等。因此人体行为识别研究具有十分重要的研究意义和应用前景。

首先，介绍了智能视频监控研究现状及发展趋势。

其次，对运动人体目标提取进行了介绍。在概述了几种常用的运动目标检测算法后，选取背景减除法和三帧差法来对提取运动人体目标，并进行了仿真实验。

描述了常用的人体特征提取方法，重点分析应用了星型距离法、时空兴趣点的方法。在背景简单的情况下，采用星形距离的方法表述其特征，该方法建立在较准确的边缘提取的基础上；在背景复杂的情况下，采用了3D时空兴趣点的方法表述其特征。

上述算法经过仿真实验验证后，表明这两种方法能有效地描述人体的行为特征。

关键词：智能视频监控 人体行为识别 目标分割 特征提取

Human object segmentation and feature extraction based on the Smart Home Video Surveillance

Abstract

Identification of human behavior is a hot spot in the field of computer vision research，at the same time this is a concern and a challenging issue. Application of human behavior recognition technology is widely used, such as intelligent monitoring, human computer interaction, motion analysis, and virtual reality. Therefore, recognition of human behavior has very important significance and application prospects.

First, the research situation and development trend of intelligent video surveillance are introduced.

Secondly, the motion of human target extraction is described. In an overview of several common moving object detection algorithm, and the paper choose background subtraction method and the three difference method to extract the moving human targets and simulation experiments are carried out.

Finally, a common human feature extraction method is described, focuses on the application of the method of star distance method, time and space point of interest. In the case of simple background, star distance method is used to describe features; in the case of complex background, 3D time and space point of interest is used to describe features.

After the above algorithms are simulated and tested, and the results show these two methods can effectively describe the behavioral characteristics of the human body.

Keywords: intelligent video surveillance; human activity recognition; target segmentation; feature extraction

目录

摘要 I

Abstract II

目录 III

第一章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状及发展趋势 2

1.3 论文的主要工作和结构 4

1.3.1 本文主要工作 4

1.3.2 本文内容安排 5

2.1 运动目标检测简述 6

2.2 几种目标分割算法 6

2.2.1 背景减除法 6

2.2.2 帧差法 7

2.2.3 光流法 9

2.3 本文使用的目标分割算法 10

2.3.1 基于背景减除法的运动目标分割 10

2.3.2 基于帧差法的运动目标分割 11

2.3.3 算法比较 13

2.4 本章小结 13

第三章 运动人体特征提取 14

3.1 特征提取概述 14

3.2 常用的人体姿态特征提取方法 14

3.2.1 时空模板 14

3.2.2 谱聚类视觉单词生成 15

3.3 基于星形距离的特征提取 16

3.3.1 人体运动边缘提取 17

3.3.2 星形距离特征提取 19

3.3.3 特征向量的小波变换 20

3.4 基于3D时空兴趣点的特征提取 21

3.4.1 3D时空Harris角点检测 21

3.4.2 3D时空兴趣点SOD描述器 22

3.5 实验结果分析 27

3.6 本章小结 28

第四章 总结与展望 29

4.1 本文工作总结 29

4.2 本文工作展望 29

参考文献 31

致谢 33

第一章 绪论

1.1 研究背景及意义

智能视觉监控系统与传统的视频监控的区别在于，前者是在无需人为操控的情况下，基于视觉理论和视频图像分析，对视频场景中感兴趣区域或目标进行定位和跟踪，从而实现对目标行为以及相互关系的高层次语义上的分析和判断。正确识别和理解人的行为是具有视频监控功能的智能机器人提供服务的前提，是构建家庭视频监控网络，进行事件分析、识别的主要手段之一。由此可见，视觉监控主要有三个研究方向，即目标检测和跟踪、运动特征提取分析和人体行为的描述和判断。智能家庭机器人机器人对独居老人的陪伴和监护、病人康复监测等问题成为可能^[1-3]。美国、日本等国家已率先开展了具有智能视频监控功能机器人及其行为分析、理解算法方面的研究^[4,5]。而人体行为识别又是一个极具挑战性和吸引力的研究课题，涉及到图像处理、机器学习、模式识别、认知心理等多个领域，是一个多学科交叉的研究方向。图像和视频能形象且逼真地来描述客观事物，是人类最重要的信息载体，同时视觉也是人类获取信息的最主要的渠道。

人体动作行为识别技术与人们的生活息息相关，是计算机视觉研究领域中的热点。基于视频或图像序列的人体行为识别是计算机视觉的重要研究方向，从应用领域来讲可分为四大类：（1）人机交互；（2）智能监控；（3）运动分析；（4）视频检索。

请支付后下载全文，论文总字数：25449字