（毕业学术论文设计）-基于关键点梯度特征描述的人体行为识别算法.docVIP

w 基于关键点梯度特征描述的人体行为识别算法 摘要：提出一种新的人体行为识别方案并进行了算法实现。通过对视频序列在空间上高斯滤波，在时间轴向上gabor滤波，提取出视频序列的关键点，对每个关键点邻域20×20的区域使用梯度位置朝向直方图进行描述，描述的序列可以表征视频序列的特征。与其他人体行为识别算法比较，不需要标记特定的特征区域和比较耗时的聚类算法，构建单个支持向量分类器即可达到好的识别率，算法简单有效。 关键词：关键点检测； 梯度位置朝向直方图； 人体行为识别； 支持向量机 引言 基于视觉人体运动的分析在智能监控、高级人机交互、虚拟现实和基于内容的视频检索分析等方面有广泛的应用前景和潜在的经济价值，已经成为计算机领域中备受关注的研究方向［1］。行为识别可以看作是在空间中时变数据的分类问题，即将测试序列和标记的典型行为的参考序列进行相似性度量，但是人体运动同一行为速度、方向和尺度有可能有变化，好的算法应该能处理相似行为模式在时空中的微小变化。从对人体行为的特征选取，人体行为识别方法可分为2方面：结构化的数据特征（如人体的轮廓序列，人体的躯干分布和人体的局部区域的时间特征）和非结构化的数据特征（如图像人体区域的角点检测、行为序列的关键点检测）［2］。从这两方面看，前者多借助于图像图形处理的方法，而后者多借助于原始信号处理的方法。本文采用非结构化的数据特征，原因在于其关键点检测没有