基于形状上下文和SURF兴趣点的行为识别-计算机科学与技术专业论文.docxVIP

万方数据 万方数据 Classified Index: TP391.4 U.D.C: 004.9 Dissertation for the Master Degree in Engineering ACTION RECOGNITION BASED ON SHAPE CONTEXT AND SURF INTEREST POINTS Candidate： Zhuang Xuanyi Supervisor： Prof. Xu Yong Academic Degree Applied for： Master of Engineering Speciality： Computer Science and Technology Affiliation： Shenzhen Graduate School Date of Defence： December, 2013 Degree-Conferring-Institution： Harbin Institute of Technology 哈尔 哈尔滨工业大学工学硕士学位论文 摘 要 人体行为识别目前已经广泛应用于社会生产生活的许多领域，例如银行、 车站、机场、商场、道路、办公楼和居民小区等场所的视频监控系统。目前， 可应用的场合包括了运动捕捉、监控视频分析、视频分类、体育运动与娱乐视 频处理、智能家居开发、人机交互、环境控制与监视等等。 目前主要的人体行为识别方法大致可以分为基于人体模型跟踪、基于光流 直方图以及基于局部时空特征的方法三大类，它们都有各自的不足之处。基于 人体模型跟踪的方法要求提取精确的人体模板，该方法的鲁棒性相对较差。基 于光流直方图的方法采用光流直方图进行人体动作识别。但是光流对背景噪音 以及不同光照强度的鲁棒性很差。基于局部时空特征的方法通过滤波和非极值 抑制法提取出兴趣点，并进一步提取人体动作的局部时空特征作为识别的依据。 该方法适用于低分辨率的视频数据。并且局部时空特征的提取对尺度伸缩、拍 摄视角和光照亮暗与否不敏感。在前人研究基础上，本课题提出了基于两种不 同特征的人体行为识别方法，分别是基于形状上下文和基于 SURF（Speeded-Up Robust Features，加速健壮特征）兴趣点的人体行为识别算法。 基于形状上下文的方法是一种基于关键轮廓的人体行为识别方法。该方法 定义一种基于形状上下文（Shape Context）的形状距离。根据最小形状距离准 则，采用 K 中心点聚类算法提取出每类行为的若干关键轮廓。在识别阶段，给 定一个动作视频，计算视频中每一帧与每类行为关键轮廓的距离，并给每类行 为投票，最后将该动作视频标识为得票最多的动作。实验结果表明，形状上下 文应用于精确完整的人体轮廓匹配时效果很好，并且基于形状距离的 K 中心点 聚类算法提取出的一组关键轮廓足以完整地描述一种人体动作。 为了提高算法对遮挡、重叠、尺度变化和光照变化的鲁棒性，基于 SURF 的方法将具有旋转不变性、尺度不变性和仿射不变性等优势的 SURF 兴趣点应 用于人体行为识别中。该算法采用 SURF 检测器检测出时空兴趣点，通过累积 一定时间内在时间和空间两维上特征显著的兴趣点，构造出运动轨迹点集，并 从运动轨迹点集中提取与人体行为相关的特征。实验证明，这种结合 SURF 兴 趣点和运动轨迹信息的行为识别算法具有很明显优势，运动轨迹点集能够完整 充分地描绘出动作轨迹形成过程，而且不依赖前景提取和定位的 SURF 兴趣点 提高了算法对背景噪音、光照强度变化以及不同拍摄角度的鲁棒性。 关键词：人体行为识别；形状上下文；SURF 兴趣点 - I - Abstract Human action recognition has been widely used in many fields, such as banks, railway stations, airports, shopping malls, roads, office buildings and residential areas. Nowadays the computer-based human action recognition technology has been applied to motion capture, video surveillance, video classification, sports and entertainment video processing, and intelligent house home, human computer interaction, environmental control and monitoring and so on. The main