RGB-D视频人体异常行为检测方法研究
发布时间：2022-12-07 19:53
自2009年来,随着Kinect等深度传感器的兴起,在计算机视觉研究领域中,越来越多的学者通过使用RGB-D深度图像来实现更精确的目标检测、识别、跟踪和视频分析理解。基于RGB-D深度图像的人体异常行为检测,由于其获得三维立体信息,受到光照、阴影、复杂背景的影响非常小的特点,提取人体骨架特征具有普通RGB图像无法比拟的优点。因此,在此基础上进行人体异常行为检测的研究成为热点。论文的主要工作和取得的新见解如下:1.阐述了Kinect获取深度图像的原理以及流程,实现了RGB-D深度图像的彩色点云表示方法和伪彩色表示方法。2.分析了基于RGB-D深度图像的人体骨架特征提取算法步骤和原理,提出了人体姿态的关节角度特征表示的方法,通过实验验证了在多视角、不同距离、人体跌倒、多人目标的情况下人体骨架特征提取的精确性。3.针对具有混乱、无序度高等特点的混乱异常行为,提出了基于人体骨架特征信息熵的人体异常行为检测算法。通过实验分析验证了其具有很好的检测效果,精确度95.83%,召回率92%,准确率94%,具有鲁棒性。针对具有特定需求的异常行为检测场景,利用人体骨架特征得到的人体空间位置信息、人体运动速...
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 本论文研究的目的和意义
1.2 国内外研究现状及发展趋势
1.2.1 RGB-D视频人体异常行为检测方法的研究背景
1.2.2 RGB-D视频人体异常行为检测方法的国内外研究现状
1.2.3 RGB-D视频人体异常行为检测方法的发展趋势
1.3 论文的研究内容及结构安排
1.3.1 论文研究内容
1.3.2 论文的结构安排
第2章 基于KINECT的RGB-D深度数据采集原理及方法
2.1 引言
2.2 Kinect深度传感器
2.2.1 Kinect深度传感器组成及原理
2.2.2 OpenNI开放式自然操作软件框架
2.3 RGB-D深度数据的获取原理及方法
2.4 RGB-D深度数据的储存方法
2.5 RGB-D深度数据的表示方法
2.6 小结
第3章 RGB-D视频人体骨架特征提取算法研究
3.1 引言
3.2 目标检测算法概述
3.2.1 帧间差分法
3.2.2 背景减除法
3.2.3 光流法
3.3 基于背景减除法的目标检测算法
3.3.1 基于平均建模的目标检测
3.3.2 基于自适应高斯模型的目标检测
3.4 RGB-D视频人体关节点识别算法
3.4.1 人体关节点识别算法步骤
3.4.2 Random forest随机森林算法
3.5 RGB-D视频基于关节角度的人体骨架特征表示方法
3.5.1 关节角度的定义
3.5.2 人体姿态的骨架特征表示方法
3.5.3 人体行为的骨架特征表示方法
3.6 实验结果与分析
3.6.1 多视角的人体骨架特征提取实验
3.6.2 多观察距离的人体骨架特征提取实验
3.6.3 跌倒后的人体骨架特征提取实验
3.6.4 多人目标人体骨架特征提取实验
3.7 小结
第4章 RGB-D视频基于人体骨架特征的异常行为检测算法研究
4.1 引言
4.2 人体异常行为检测的定义
4.3 RGB-D视频基于人体骨架特征信息熵的人体异常行为检测算法
4.3.1 信息熵定义及基本概念
4.3.2 混乱异常行为中人体骨架特征信息熵的数据分析实验
4.3.3 实验结果与分析
4.4 RGB-D视频基于多特征融合的人体异常行为检测算法
4.5 小结
第5章 RGB-D视频人体异常行为检测系统设计
5.1 引言
5.2 系统开发环境
5.2.1 Matlab环境下MEX混合编程
5.2.2 Matalb环境下并行计算
5.3 系统程序设计
5.3.1 程序系统框图
5.3.2 RGB-D视频采集模块
5.3.3 人体骨架特征提取模块
5.3.4 人体异常行为检测模块
5.3.5 视频输出显示模块
5.4 小结
结论
参考文献
攻读学位期间发表论文与研究成果清单
致谢
【参考文献】：
期刊论文
[1]基于多条件随机场模型的异常行为检测[J]. 叶璐,郭立,刘皓. 通信技术. 2014(06)
[2]基于DMC-HMM模型的视频异常行为检测[J]. 岳猛,郭春生. 杭州电子科技大学学报. 2014(03)
[3]随机森林方法研究综述[J]. 方匡南,吴见彬,朱建平,谢邦昌. 统计与信息论坛. 2011(03)
[4]自适应混合高斯背景模型的运动目标检测方法[J]. 黄鑫娟,周洁敏,刘伯扬. 计算机应用. 2010(01)
[5]一种基于背景减除与三帧差分的运动目标检测算法[J]. 莫林,廖鹏,刘勋. 微计算机信息. 2009(12)
[6]视频监控图像的运动目标检测方法综述[J]. 丁忠校. 电视技术. 2008(05)
[7]运动目标检测算法的探讨[J]. 万缨,韩毅,卢汉清. 计算机仿真. 2006(10)
[8]帧间差分与背景差分相融合的运动目标检测算法[J]. 朱明旱,罗大庸,曹倩霞. 计算机测量与控制. 2005(03)
硕士论文
[1]监控视频中的人体异常行为检测研究[D]. 杜鉴豪.浙江大学 2010
本文编号：3712736
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 本论文研究的目的和意义
1.2 国内外研究现状及发展趋势
1.2.1 RGB-D视频人体异常行为检测方法的研究背景
1.2.2 RGB-D视频人体异常行为检测方法的国内外研究现状
1.2.3 RGB-D视频人体异常行为检测方法的发展趋势
1.3 论文的研究内容及结构安排
1.3.1 论文研究内容
1.3.2 论文的结构安排
第2章 基于KINECT的RGB-D深度数据采集原理及方法
2.1 引言
2.2 Kinect深度传感器
2.2.1 Kinect深度传感器组成及原理
2.2.2 OpenNI开放式自然操作软件框架
2.3 RGB-D深度数据的获取原理及方法
2.4 RGB-D深度数据的储存方法
2.5 RGB-D深度数据的表示方法
2.6 小结
第3章 RGB-D视频人体骨架特征提取算法研究
3.1 引言
3.2 目标检测算法概述
3.2.1 帧间差分法
3.2.2 背景减除法
3.2.3 光流法
3.3 基于背景减除法的目标检测算法
3.3.1 基于平均建模的目标检测
3.3.2 基于自适应高斯模型的目标检测
3.4 RGB-D视频人体关节点识别算法
3.4.1 人体关节点识别算法步骤
3.4.2 Random forest随机森林算法
3.5 RGB-D视频基于关节角度的人体骨架特征表示方法
3.5.1 关节角度的定义
3.5.2 人体姿态的骨架特征表示方法
3.5.3 人体行为的骨架特征表示方法
3.6 实验结果与分析
3.6.1 多视角的人体骨架特征提取实验
3.6.2 多观察距离的人体骨架特征提取实验
3.6.3 跌倒后的人体骨架特征提取实验
3.6.4 多人目标人体骨架特征提取实验
3.7 小结
第4章 RGB-D视频基于人体骨架特征的异常行为检测算法研究
4.1 引言
4.2 人体异常行为检测的定义
4.3 RGB-D视频基于人体骨架特征信息熵的人体异常行为检测算法
4.3.1 信息熵定义及基本概念
4.3.2 混乱异常行为中人体骨架特征信息熵的数据分析实验
4.3.3 实验结果与分析
4.4 RGB-D视频基于多特征融合的人体异常行为检测算法
4.5 小结
第5章 RGB-D视频人体异常行为检测系统设计
5.1 引言
5.2 系统开发环境
5.2.1 Matlab环境下MEX混合编程
5.2.2 Matalb环境下并行计算
5.3 系统程序设计
5.3.1 程序系统框图
5.3.2 RGB-D视频采集模块
5.3.3 人体骨架特征提取模块
5.3.4 人体异常行为检测模块
5.3.5 视频输出显示模块
5.4 小结
结论
参考文献
攻读学位期间发表论文与研究成果清单
致谢
【参考文献】：
期刊论文
[1]基于多条件随机场模型的异常行为检测[J]. 叶璐,郭立,刘皓. 通信技术. 2014(06)
[2]基于DMC-HMM模型的视频异常行为检测[J]. 岳猛,郭春生. 杭州电子科技大学学报. 2014(03)
[3]随机森林方法研究综述[J]. 方匡南,吴见彬,朱建平,谢邦昌. 统计与信息论坛. 2011(03)
[4]自适应混合高斯背景模型的运动目标检测方法[J]. 黄鑫娟,周洁敏,刘伯扬. 计算机应用. 2010(01)
[5]一种基于背景减除与三帧差分的运动目标检测算法[J]. 莫林,廖鹏,刘勋. 微计算机信息. 2009(12)
[6]视频监控图像的运动目标检测方法综述[J]. 丁忠校. 电视技术. 2008(05)
[7]运动目标检测算法的探讨[J]. 万缨,韩毅,卢汉清. 计算机仿真. 2006(10)
[8]帧间差分与背景差分相融合的运动目标检测算法[J]. 朱明旱,罗大庸,曹倩霞. 计算机测量与控制. 2005(03)
硕士论文
[1]监控视频中的人体异常行为检测研究[D]. 杜鉴豪.浙江大学 2010
本文编号：3712736
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3712736.html
