运动人体姿态识别与行为分析方法的研究与试验.docVIP

附件2 论文中英文摘要格式 作者姓名：郭旭 论文题目：运动人体姿态识别与行为分析方法的研究与实验 作者简介：郭旭，男，1983年10月出生，2007年9月师从于内蒙古工业大学张丽杰副教授，于2010年6月获硕士学位。 中 文 摘 要 智能视频监控是在不需要人为干预的情况下，利用计算机视觉和视频分析的方法对摄像机拍摄的图像序列进行自动分析，实现对动态场景中目标的定位、跟踪、识别以及分析和判断，具有监控能力强、可靠性高、节省人力物力资源等优点。运动人体的姿态识别和行为分析是智能视频监控中的关键技术，研究快速有效的运动人体姿态识别和行为分析算法对智能视频监控的推广和应用具有重要的意义。本课题来源于内蒙古自治区自然科学基金项目——智能视频监控中运动目标检测算法的研究与实现。作为该项目的一部分，本文的目的是在课题组已有的运动目标检测算法研究结果基础上对人体姿态进行快速有效的识别，并对人体行为分析方法进行初步研究，为更全面、更复杂的人体行为分析奠定基础。 本文采用摄像头、采集卡、云台、PC机等设备构成的室内监控系统实时采集场景，在VC++环境中设计完成智能监控软件，为算法研究提供了实验平台。在移植课题组已开发的监控设备控制、图像采集和记录、运动目标检测等软件模块的同时，对其进行了以下改进和补充：（1）由于软件定时器很难与采集卡的采样频率相匹配，当系统算法的延迟使得数据不能及时被处理时，就会导致软件运行不稳定，所以提出用循环计数器来代替定时器触发检测功能，在图像处理回调函数中将计数器每两帧复位一次进行运动目标检测；（2）由于运动目标检测算法中采用的隔帧检测技术和图像预处理的时间过长使得采集数据出现丢帧现象，导致记录视频的回放速度与原视频播放速度不符，所以提出采用重复记录同一帧内容和简化预处理函数的方法，保证软件中的视频回放功能正常；（3）为了使软件可以处理多个运动目标，采用8连通算法标识检测到的运动目标，并针对8连通算法标识结果受扰动点影响较大的问题，提出了在目标标识前进行一次形态学闭运算的方法，为行为识别提供更准确的检测目标。 在人体检测与识别的应用中，通常采用长宽比、肩宽身高比、紧密度、占空比等几何参数作为人体特征。虽然这些几何特征能够较好的区分人和非人，但对人体不同姿态的区分效果并不明显。考虑到尽管人体的姿态复杂多样，但其基本轮廓可认为是由具有不同宽度的像素行组成的，所以本文提出采用图像各部分的宽度信息表征人体。但由于运动人体与摄像头之间的距离可能不同，导致检测得到的运动人体外接矩形图像的高度和宽度不尽相同，而宽度特征的维数取决于运动人体的高度，因此为保证特征向量空间一致，本文首先采用线性插值法100维的宽度特征虽可较精确地表示缩放后的人体，但其中存在大量冗余信息，而且特征向量空间过大会导致分类器结构复杂和对已知样本的学习时间过长的问题，为此需要对特征进行选择——尽量寻找一组最佳的特征值表征人体。 在特征寻优算法的选取和设计过程中，本文对均分法和传统的遗传算法进行了实验对比和分析，发现均分法实现简单，但当特征向量维数较低时，并不能保证很好的选择有代表性的特征；而传统的遗传算法对于100维特征寻优需要进行的运算过于庞大无法实现。因此，为了兼顾算法的实时性和有效性，本文提出采用均分法与改进的遗传算法相结合的方法进行特征降维。首先，采用均分法将100维宽度特征降为25维。其次，采用遗传算法在25维特征中寻优。对遗传算法进行分析后发现，在从D维降到d维的特征寻优过程中，它既包括在d维的不同组合中进行的搜索，又包括在从1维到D维的不同种组合中进行的搜索。为了降低遗传算法的复杂度，可将d值确定为10，即解空间的维数固定为10，这样可对传统遗传算法进行改进——在建立初始迭代点、交叉产生新的个体、变异三个环节添加抑制操作来去掉纵向搜索，使得遗传算法的运行时间减低了90%，进而保证系统能够快速的识别和分析运动目标。 由于人体姿态识别属于非线性识别问题，所以为了设计一个适于宽度特征的性能较好的分类器，本文对基于Parzen窗法的Bayes分类器、基于KN近邻法的Bayes分类器和三层BP神经网络分类器进行了用于人体典型姿态识别的对比研究。实验结果表明，当BP神经网络分类器自学习次数达到300时，其在识别正确率、预处理时间、内存占用时间等方面的综合性能最好。因此，本文采用三层BP神经网络分类器识别人体姿态。用寻优后的10维特征向量表示人体姿态，对正常走、单臂上举、双臂上举、踢腿四种典型人体姿态进行识别实验，识别正确率最高可达到96%。 针对安防领域的某些应用需求，本文对人体行为分析进行了初步研究，采用逻辑关系法给出了异常人体姿态、异常运动速度、异常运动方向、放置物品等四种异常行为的判别规则。通过定义异常人体姿态，在所提出的人体姿态识别算法基础上，将非