基于视频的人体行为分析-信号与信息处理专业论文.docxVIP

万方数据 万方数据 注 1 注明《国际十进分类法 UDC》的类号 独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 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 说明并表示谢意。 签名： 日期： 年 月 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 签名： 导师签名： 日期： 年 月 日 摘要 摘 要 基于视频的人体行为分析近几年在人机交互、智能监控、医疗辅助中所发挥 的优势越来越显著，因而吸引了国内外众多学者的广泛关注。基于视频的人体行 为分析一般包括人体目标检测、跟踪、行为分析与描述。本文主要工作如下： （1）本文利用最受欢迎的高斯模型法来进行运动目标的检测，在进行形态学 去噪后，提取运动目标的外接四边形，并根据该四边形在只有单一或很少运动目 标情况下进行跟踪，取得了较为理想的效果。 （2）在人体行为识别方面，由于人体颜色多变，纹理相对比较模糊，所以主 要采用了形状特征值。其中，形状方面的特征值我们选择了 68 种，包括 Hu 不变 矩、Zernike 矩、紧凑度、离散度、高宽比、拟合椭圆方向、圆度、对称性等。为 了减少计算量，本文并没有简单的将直方图的每个 bin 当做一个特征值来考虑，而 是通过与标准的六个姿势所对应的直方图进行比对，将比对的结果纳入特征值的 范围。为便于测试，本文建立了包括站立、行走、弯腰、蹲下、躺下、坐着 6 种 行为的图像数据库。 （3）我们进行分类的对象不仅包括每帧的运动目标检测结果中的人体，而且 包括了运动历史图像（MHI）和运动能量图像（MEI）。运动历史图像主要是用来 描述人体的全局和局部运动方向的，为后续的动作识别奠定了基础。此外，本文 还考虑了运动目标检测和跟踪中带来的问题，利用平移后的运动历史图像，通过 阈值来较好的提取人体的躯干部分。 （4）在众多特征值计算完成后，本文利用随机森林来对姿势进行分类。对随 机森林的选取，主要原因是在训练数据量较丰富的情况下，其给出的精确度较高， 而且可以同时处理大量的特征值，还能给出特征重要性的权重。最后，我们还给 出了利用随机森林对站、走、弯、蹲、躺、坐的测试结果。 关键词：人体行为识别，随机森林，决策树，运动能量图像 I ABSTRACT ABSTRACT Human-action analysis based on video has been playing more and more significant role in the field of human-computer interaction, intelligent monitoring and medical assistance. It has been paid wide attention to both at home and abroad in recent years. Our paper’s main tasks are as follows: The most popular detection model, Gaussian model, has been adopted for moving targets’ detection. After de-noising and the connected domain’s extraction, the targets’ external quadrilateral is calculated. When a minority or a single moving target in the scene, the external quadrilateral can be used for tracking the targets and our results showed it does work. As the human’s clothes are in different colors and its textures are relatively vague, the main low-level characteristic for identifying the human