基于时空局部特征的人体行为识别方法研究-电子与通信工程专业论文.docxVIP

学校代码 分 类 号  10701 TP39 学 号 1202121448 密 级 公开 TN8 TN82 硕士学位论文 基于时空局部特征的人体行为识别方法研究 作者姓名：曹赛 领 域： 电子与通信工程 学位类别： 工程硕士 学校导师姓名、职称： 企业导师姓名、职称： 韩红副教授 王晓华高工 提交日期： 2014 年 12 月 A Study of Human Action Recognition Based on Spatio-temporal Features A thesis submitted to XIDIAN UNIVERSITY in partial fulfillment of the requirements for the degree of Master in Electronics and Communication Engineering By Cao sai Supervisor: Han hong Wang xiaohua December 2014 西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说 明并表示了谢意。 学位论文若有不实之处，本人承担一切法律责任。 本人签名： 日 期： 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权 保留送交论文的复印件，允许查阅、借阅论文；学校可以公布论文的全部或部分 内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，获得学位 后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。 保密的学位论文在 年解密后适用本授权书。 本人签名： 导师签名： 日 期： 日 期： 摘要 摘要 西安电子科技大学硕士学位论文 西安电子科技大学硕士学位论文 摘要 近几年，随着机器学习和计算机视觉技术的快速发展，人体行为识别已成为 该领域一个重要的研究课题，并且在智能监控系统，患者监护系统和虚拟现实， 智能家居，基于内容的视频检索，运动员辅助训练等方面都有着非常广阔的应用 前景和潜在的经济和社会价值。然而，因为各种动作本身和各种动作之间的变化 较大，视角多种多样，人和人、人和背景之间互相遮挡等因素的影响，使这一研 究变得更加困难。因此，寻找能够适应各种环境的比较健壮性的描述子成为了一 个亟需解决的问题。 本文介绍的时空局部特征不仅对尺度变化和平移具有较强的适应性，同时对 遮挡这个问题也具有一定的适应性，具有较强的鲁棒性和实用性，因此，提取时 空特征的方法已经成为了人体行为识别的主流研究方法。本文在寻找低维，高效 图像描述子，减少特征提取的复杂性，并提高人体行为识别的稳健性方面做了很 多工作。近几年，随着人体行为识别系统逐渐走向商用化,并取得一定的进展,许 多人已经投入到人体行为识别这一研究领域。 本文主要工作内容如下： 1. 提出了基于时空梯度特征和运动速度特征相结合的人体行为识别方法。即 先计算视频图像中每一点的时空梯度编码向量，然后用时空梯度自相关算法得到 图片序列的梯度自相关特征向量，然后加入视频图片序列的人体的瞬时速度特征 作为总特征，最后将级联得到的特征向量输入分类器并进行分类，其分类效果更 加精确。 2. 提出了基于非负矩阵分解和稀疏重构分类的人体行为识别方法。即先提取 空间兴趣点，构建由图像块组成的立方体，提取时空局部运动模式特征，再利用 非负矩阵分解方法得到一个超完备字典，再采用稀疏重构方法，计算残差矩阵， 最后根据残差矩阵元素值进行分类。本文提出了将时空局部特征和非负矩阵分解 方法相结合，即降低了特征的维数又保证了特征的有效性，而且所提出的基于稀 疏重构的分类方法简单高效，从而提高了分类的精度。 3. 提出了基于多尺度时空特征的人体行为识别方法。即先提取视频序列中的 空间兴趣点，然后抑制背景兴趣点并添加局部和时间约束去除掉其它不必要的兴 趣点从而保留有用的兴趣点，构造以兴趣点为中心的立方体并提取局部特征并分 类。本文提出的基于精简兴趣点的方法，有效的避免了传统的时空兴趣点提取算 法中提取大量与人体行为表示无关兴趣点的缺点，从而提高了识别的准确率。 I PAGE PAGE IV III III 关键词：人体