人体行为识别介绍讲解.pptVIP

人体行为识别 行为识别的主要目标是在输入的包含一个或者多个 行为的视频中，正确的分析出各种行为。对行为的分析 可以从人体本身的特征和所完成动作的特征来进行。 输入视频数据 图像预处理 运动目标检测 特征提取 分类器 输出识别结果 特征向量 样本类别 学 习 图像预处理 图像预处理有二层含义。 一是对视频数据的分帧处理，也就是把视频数据 转化为连续的图像序列； 二是对图像序列的处理，即对原始图像进行处理 使后续工作的进行更加顺利。 主要步骤： 灰度及二值化 形态学处理方法 滤波去噪 预处理 灰度及二值化 灰度图像是指不包含色彩信息只表示亮度信息的图像， 就像我们原来拍的黑白照片。灰度变换原则上是无法得到 与原来彩色图像完全一样的灰度图像的，但可以经过一定 的处理手段得到最接近的理想图像，普遍用到的处理方法 是一个著名的心理学公式，它是在 RGB 颜色空间中给出的 二值图像就是只包含黑和白两种颜色的灰度图。对 灰度图像进行二值化处理，主要是突出感兴趣的目标的轮 廓。二值化处理就是选择一个恰当的阀值将灰度图像上每 一点的亮度变成黑色或白色 (0 或 255) ，用黑色表示背景像 素，用白色表示前景像素。 预处理 形态学处理方法 通常我们得到的灰度图像或二值图像背景上会存在一 些细微的孤立点状物，前景人物目标内部可能会存在一些 不连续的孔洞，目标轮廓也可能会有我们不想要的小的毛 刺，这时我们可以利用形态学方法来处理此类问题。 常用的形态学处理运算包括 4 种：分别为膨胀 (Dilation) 、腐蚀 (Erosion) 、开启 (Opening) 和闭合 (Closing) 。 预处理 形态学处理方法 预处理 滤波去噪 图像滤波技术是一种用来消除图像中存在噪声的图像 增强手段。常用的滤波方法： 均值滤波 实际上就是求一个邻域的平均值，它是通 过图像中一点和以它为中心的周围几个点进行运算 ( 一般计 算平均值 ) 来除去那些突然变化的噪声点，也就是用平均值 来代替原图像中的各个像素。 中值滤波 原理类似于均值滤波法，但计算时不用求 和再平均的方法，而是把该点某邻域窗口内的所有像素点按 灰度值大小排序，然后选择位置在中间的灰度值作为邻域中 心位置像素的灰度值，如果窗口中元素个数为奇数，那么中 间值就是排序后最中间的那个值，若窗口中元素的个数为偶 数则把位于序列中间位置的两个灰度值加和求平均值 目标检测 目标检测是要从视频图像序列中把人体目标 提取出来，在保证前景人物完整的前提下，实现 目标人物与背景的分离。 根据运动环境的不同运动目标检测技术一般 分为两类： 背景减除法 静态背景下的运动目标检测 时间差分法 动态背景下的运动目标检测 光流法 背景减除法 背景减除法是把视频图像序列中的当前帧和预先保 存的背景图像做减法运算，用得到的差分图像来检测运动 目标，所以事先要把不含前景目标人物的背景图像保 存成背景模型以备后用。 根据实验经验我们可以设定一个阈值，只要在得到的 差分图像中像素值不大于这个阈值的就归为背景像素，反 之，就属于前景目标 。 背景减除法 下图为挥手图像序列中第一帧图像，这一帧 图像直接与背景按上式做减法运算，就可以得到 前景人体的轮廓图。 时间差分法 基本原理是在一串连续的图像序列中选取时间连续 的两到三倾图像作基于像素的时间差分处理，并且二值化 及后处理來提取图像中的运动目标 通常情况是用连续相邻的两帧来做计算 时间差分法 T 为设定好的阈值 时间差分法 特征选择和提取 人体行为识别技术的关键性问题就是从图像 中提取出有效的运动特征。 如果某些特征是经过某种转换 ( 线性转换或 者非线性转换 ) 而在低维的空间中形成新的特征， 那么这些新的特征就属于二次特征（二