论文总字数：22825字

摘 要

传统的人工视频监控是一项枯燥的人力劳动，存在人作为观察者可靠度不高、工作效率低等问题。因此，本文对计算机检测人体行为的问题进行了研究。

本课题首先采用基于码本模型的背景减除法进行运动目标检测。在运动目标检测过程的前后，本文还用平滑处理和形态学处理作为预处理和后处理来优化检测效果。然后根据运动目标的特点提取特征，为了克服运动目标检测效果不好的问题，本文根据运动目标检测结果的特点选择受运动目标检测效果影响较小的特征。最后采用SVM设计分类器进行行为识别。

本文在OpenCV平台上设计程序，然后用KTH数据库的视频进行实验，最后根据实验结果检验本文方法的效果。

关键词：行为检测 码本模型 特征提取 支持向量机

Research on human behavior recognition method based

on contour feature and support vector machine

Abstract

The traditional manual video monitoring is a boring labor, the existence of people as the observer reliability is not high, low efficiency and so on. Therefore, this paper makes a research on the problem of computer detection of human behavior.

In this paper, the moving target detection codebook model based on background subtraction method. Before and after the moving target detection process, the paper also uses the smoothing processing and morphological processing as the pretreatment and the post-processing to optimize the detection effect. Then according to the characteristics of moving target feature extraction, in order to overcome the moving target detection effect is not good, this paper according to the characteristics of moving target detection results choice characteristics were affected by the effect of moving object detection are less affected by. Finally, using the SVM design classifier for behavior recognition.

In this paper, the design program on the OpenCV platform, and then use the KTH database of video experiments, and finally according to the results of experiments to test the effectiveness of this method.

Key Words: Behavior detection，codebook，feature extraction，SVM

目 录

摘要 I

Abstract II

第一章 绪论 1

1.1课题的研究背景和意义 1

1.2国内外研究现状 1

1.2.1 直接分类方式 2

1.2.2 基于时空状态模型的行为识别方法 2

1.2.3 基于文法的方法 3

1.3论文内容 3

第二章 运动目标的检测 4

2.1图像预处理 4

2.2基于码本模型的背景减除法 4

2.3后处理 5

2.4实验 6

第三章 行为特征提取 9

3.1提取关键帧 9

3.2特征描述 10

3.2.1质心-边界距离描述子 10

3.2.2轮廓形状其它特征 12

3.3实验及结果分析 14

第四章 基于SVM的行为识别 16

4.1支持向量机(SVM)理论 16

4.1.1线性可分问题的支持向量分类机 17

4.1.2惩罚参数 19

4.1.3核函数 20

4.2多分类方法 22

4.2.1简单的多分类器设计方法 22

4.2.2提高正确率的组合方法 23

4.2.2纠错输出编码 24

4.3实验及结果分析 25

4.3.1全部场景 26

4.3.2场景1 27

4.3.3分析 28

第五章 总结与展望 30

5.1工作总结 30

5.2展望 30

参考文献 31

致 谢 33

第一章 绪论

1.1课题的研究背景和意义

视觉是人类获取信息最主要的来源，人的绝大多数活动都要依靠视觉获取信息。如何让计算机有人的视觉功能，并根据视觉功能进行一些活动是一大研究重点。而行人检测与行为分析作为智能视频监控中的两个最基本的问题，也逐渐成为了计算机视觉领域的研究热点。

计算机在执行重复的数据密集型的计算任务时，与人类自身相比更加的准确和高效。正因为计算机有如此强大的能力，很自然的应该让计算机去处理一些更加智能化的任务，传统的人工视频监测应该被智能视频监控取代。

视频中的异常行为检测技术是智能视频监控系统的关键组成部分。当处于监护的场景中，如果能够做到使用异常行为检测技术，检测出病人发生危险，可以及时的报警通知，使病人的生命安全得到保障。在交通监管中的应用，能够用来检测例如酒驾等危害其他公共交通安全的不法行为，从而保护道路安全。在人员复杂的公共场所中，假如使用计算机技术，通过对监控视频进行分析进而对斗殴、盗窃等事件的发生进行判定并及时做出相应的响应，就能够对突发事件进行有效处理，从而在维护公共场所的安全和人民的生命财产安全等方面都有突出的贡献。目前，使用数学模型的方法来对异常场景进行定义是很困难的，除此之外，因为存在着场景和尺度等变化，同时又要求系统具有很高的适应性和灵活性，因此视频中的异常行为检测仍是一种充满挑战性的工作。

视频中的行人检测以及异常行为检测，在模式识别领域和计算机视觉领域中，既充满着种种困难，又有着良好的应用前景。

1.2国内外研究现状

目前智能视频监控已经成为计算机视觉中十分活跃的研究方向。许多关于视频监控的大规模研究项目已经在美国、欧洲和日本展开，同时它也成为许多国际学术会议关注的重要主题。对于视频监控中人体行为的识别，国内外已有大量的研究资料，并获得了重要的进展。

请支付后下载全文，论文总字数：22825字