论文部分内容阅读
人的行为识别是计算机视觉、模式识别领域的重要研究问题。其目的是让计算机自动识别出视频序列中人的行为。这在多种应用场合都有强烈需求,尤其是智能视频监控。一般来说人的行为识别首先在视频序列中提取特征,然后描述行为的空间、时间信息并识别。本文从人的视觉认识、学习行为的机理出发,分析表达行为需要的信息,结合方向统计学处理梯度和光流进而完成行为表达和识别。本文主要工作和贡献有:
①提出了行为表达的三类信息:状态、状态转移的过程和状态转移序列,以此对行为识别相关工作进行整理,作为该论文的工作基础。
②引入方向统计学并结合梯度提出了一种描述状态的特征和一个对应的相似度度量。该特征验证了方向梯度直方图描述目标结构信息的有效性,在行为识别方面具有较好的表现。
③引入方向统计学并结合光流提出了一种紧致的状态转移特征.该特征针对不规则行为、多视角行为具有较好的鲁棒性,而且计算量小适用于实时应用,还有良好的跨数据库能力。
④建立了一个单人行为识别数据库,该数据库具有大规模、真实场景、多视角、贴近智能视频监控实际需求的特点,基于该数据库提出了一种统筹管理多行为识别数据库的元数据关系模型。
总的说来,本文在行为识别领域进行了有益的探索,并取得了一些有创新意义的成果。