基于计算机视觉的人体行为识别方法

发布时间：2023-08-26 01:36

　　目前,人体行为识别技术已经成为计算机视觉领域极具挑战力的一个方向。视频中行为识别与图像中行为识别最大的不同之处在于视频不仅包含了时序上的信息,而且需要巨大的计算量支撑。而该技术还受到许多外在因素的影响,如视频动态背景居多、相机视角多变以及光照变化等等。随着科学技术的快速发展,以及芯片计算能力的加强,如今基于计算机视觉的人体行为识别技术越来越受到科研人员的关注。本文首先对朴素贝叶斯与半朴素贝叶斯分类算法在图像识别上进行了算法性能比较,利用高斯模糊、灰度化处理、二值化处理等方式对图像内容进行特征提取,然后训练两种分类器进行识别比较。实验结果表明,在图像识别上半朴素贝叶斯相比朴素贝叶斯算法有较好的识别效果。随后,本文提出了一种基于DT与Semi-NBC混合的方法。基本思想是利用光流来提取视频中的人体运动轨迹信息,本文再从轨迹信息中提取一些特征描述符,如HOG、HOF、MBH。其中HOG描述视频中的静态外观信息,HOF描述视频中的局部运动信息,而MBH是计算光流的梯度值。本文对提取的特征使用Fisher Vector编码,基于编码的结果使用半朴素贝叶斯分类器训练识别分类。实验结果表明,本文提出...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究的背景和意义
    1.2 国内外研究现状和发展趋势
    1.3 本文所做的主要工作
    1.4 本文的组织结构
第二章 基于计算机视觉的行为识别理论
    2.1 基于计算机视觉的人体行为识别
        2.1.1 人体行为识别的发展背景
        2.1.2 基于计算机视觉的人体行为识别的发展现状
    2.2 数字图像处理
        2.2.1 RGB颜色空间
        2.2.2 灰度图边缘检测
        2.2.3 RGB图像边缘检测
        2.2.4 图像去噪
    2.3 目标特征检测
        2.3.1 光流理论
        2.3.2 光流场理论
        2.3.3 光流法的假设条件
        2.3.4 光流计算方法
        2.3.5 基于光流法的特征检测
    2.4 目标特征提取
        2.4.1 HOG特征
        2.4.2 HOF特征
        2.4.3 MBH特征
        2.4.4 Dense Trajectory特征
        2.4.5 PCA算法
        2.4.6 Fisher Vector
    2.5 行为特征分类理论
    2.6 本章小结
第三章 基于朴素贝叶斯与半朴素贝叶斯图像识别比较
    3.1 朴素贝叶斯分类器NBC
    3.2 半朴素贝叶斯分类器SEMI-NBC
    3.3 图像识别方法流程
    3.4 图像预处理与特征提取
    3.5 实验目的与实验设置
    3.6 实验结果和分析
    3.7 本章小结
第四章 基于DT与 Semi-NBC混合模型的行为识别
    4.1 模型架构
        4.1.1 总体框架
        4.1.2 运动特征检测
        4.1.3 目标特征提取
        4.1.4 目标特征分类
    4.2 实验过程
        4.2.1 数据集
        4.2.2 参数设置
    4.3 实验结果和分析
    4.4 本章小结
第五章 基于计算机视觉的行为识别系统实现
    5.1 需求分析
        5.1.1 行为识别系统的目标分析
        5.1.2 行为识别系统开发运行环境分析
        5.1.3 行为识别系统功能与性能分析
    5.2 总体设计
        5.2.1 总体流程设计
        5.2.2 功能模块设计
    5.3 系统实现
    5.4 测试结果与分析
    5.5 本章小结
第六章 总结与展望
参考文献
附录1 攻读硕士学位期间撰写的论文
致谢



本文编号：3843696