基于視頻人體行為識別軟件的設計與實現.pdf

1、人體行為識別作為計算機視覺學科中一個非常重要的領域，越來越多的研究機構、高等院校以及相關企業(yè)都投身到該領域的研宄中，對于視頻中的人體行為視頻有許多實際應用，例如：視頻監(jiān)控、人機交互、視頻檢索等等，由此可見，對視頻中的人體行為識別分析研究在現在和未來都是具有極高的學術研究價值和商業(yè)應用價值的。視頻中的人體行為識別一直是計算機視覺學科中的一個難點，目前現有的人體行為識別依舊停留在針對簡單場景下單個運動目標的簡單行為識別，而對視頻中復雜的現實

2、場景下的復雜行為的識別正確率較低，沒有達到可使用的識別精確度。通常而言，人體行為識別大體可以分為提取視頻描述特征、訓練視頻描述特征和對視頻描述特征進行分類這三個步驟。本文參考了大量的國外發(fā)表的相關的技術論文和會議，對國內外相關領域的發(fā)展現狀進行了分析和總結，針對目前各種特征提取算法的優(yōu)缺點和該研宄領域的局限性，提出了一種新的特征，該特征首先通過把多閾值像素轉移比率圖（MTPSRM)、邊緣方向直方圖（EOH)和運動方向直方圖（MOH)作為

3、全局特征，與局域Cuboid特征進行融合，構造了一個既包含了行為的全局特征又包含行為局域特征的新的特征，提高了用單一特征進行識別的識別正確率；然后對提取到的視頻描述特征通過在線字典學習、局域線性編碼(LLC)等機器學習方法后得到最終的視頻特征代表；最后用本文提出的將稀疏線性分類器與支持向量機（SVM)以打分的機制相結合的分類器進行分類識別得到最終的識別結果。
　　本文在MATLAB平臺上實現了算法，用Weizmaim視頻數據庫、K