免费论文查重: 大雅 万方 维普 turnitin paperpass

探讨技术研究运动人体行为技术

最后更新时间:2024-03-11 作者:用户投稿原创标记本站原创 点赞:18447 浏览:82173
论文导读:通过对表1中Hu不变矩特征量分析,可以看出对于某一人体行为特征其Hu不变矩特征量分布较为集中,这样我们便可以通过设定某一阈值来判断两幅图像中的人体行为是否属于同一类行为,然后再通过与标准特征图像的对比进而判断该行为是否为异常行为。

五、结论本文介绍了运动中人体行为分析技术的主要实现方法和算法,详细阐

摘要:本文针对国内外安全视频监控的需求,分析概述了目前对于人体异常行为分析的研究技术,主要介绍Hu不变矩的人体行为识别算法,并通过实验验证了该方法具有实现简单、鲁棒性较好的优点,能够实现人体异常行为的分析研究。
关键词:视频监控;行为分析;Hu不变矩
1007—9599 (2012) 14—0000—02
一、引言
运动人体的行为分析作为视频监控领域的一个研究热点和难点,是计算机领域的高层处理环节,它建立在视频图像序列中,人体运动区域检测追踪的基础上。首先通过运动目标检索,提取监控视频中的运动目标,然后进行运动目标行为分析研究,使视频监控人员有效的发现和处理紧急事件。

二、运动人体行为分析方法

运动人体行为分析涉及图像处理的行为分析识别技术,学习样本及对运动行为分类的难度较大。目前,对运动人体行为分析技术的研究仍然处于一个起步阶段,主要的研究技术集中在模板匹配方法和状态转移方法上。

(一)模板匹配算法

模板匹配算法是一种比较识别算法。模版匹配算法通过计算,比较静态图像中提取的模版特征相似度,并进行识别。目前,较为常用的是一种二维网络模板匹配算法,它通过对连续帧间的光流场沿着X和Y轴方向进行分解,对每个单元格的幅度累加计算,得到用于进行识别的向量。它的优点是计算量小,实现简单,能较为满意的实现对人体行为特征的分析研究。

(二)状态空间法

状态空间法是一种对常见人体行为特征的遍历过程,通过某种概率值来定义每种静态姿势的直接转换,将人体行为特征遍历过程的联合概率密度的最大值作为行为特征的分类。最前最为常用的状态空间法是隐马尔可夫模型,是一种对离散时间序列进行研究分析的概率方法。它的优点是对运动时间的间隔不敏感,缺点是迭代运算复杂,计算量较大。

三、基于Hu不变矩的行为分析

(一)Hu不变矩

不变矩理论是由Hu于1962年提出的一种基于区域的不变理论,广泛的应用于计算机处理和模式识别之中。不变矩理论具有较好的旋转、平移和拉伸不变性,广泛的应用于图像处理和计算机视觉领域之中。
Hu不变矩是图像的一种形状特征,较多用于运动物体的描述,由于它具有较好的不变性,能很好的应用于模板匹配算法进行运动行为的分析研究。中心距的定义为:
式中, , 是图像区域的质心坐标, 为数字图像。Hu不变矩具有代数不变量,对于图像的旋转、平移都不敏感。通过计算代表人体的行为特征Hu不变矩,与定义的标准行为向量的欧式距离比较研究判断人体行为特征的种类。

(二)行为分析过程

本文主要是采用基于Hu不变矩的模板匹配算法分析监控视频中的运动人体行为特征。首先,获取了监控视频中人体的运动区域后,然后对人体的运动行为作出分析。本文的人体行为分析主要分为三个步骤,具体实现过程如下:
1.定义标准人体运动行为。首先,将人体正常行走和跑步定位为标准动作,将一段包含正常行走和奔跑的人体运动图像源于:论文的写法www.7ctime.com
作为特征库数据,提取它的Hu不变矩作为标准特征库。
2.提取另外获取的一段人体运动区域图像的Hu不变矩向量,将它与标准特征库向量进行相似性比较,计算它们的欧式距离。
3.对比欧式距离与预先设定的阈值。如果结果大于阈值,则认为这是一种人体的异常运动行为,对其进行报警;如果结果小于阈值则认为是一种正常运动行为,进而指导监控人员进行判断和处理。

四、实验结果及分析

分别选取了一段包含人体行走、跑步、蹲的图像序列进行算法的验证实验,分别提取上述三种行为的三帧图像进行Hu不变矩向量的描述,其结果记录于下表中。
人体行为第一帧图像第十帧图像第十五帧图像
通过对表1中Hu不变矩特征量分析,可以看出对于某一人体行为特征其Hu不变矩特征量分布较为集中,这样我们便可以通过设定某一阈值来判断两幅图像中的人体行为是否属于同一类行为,然后再通过与标准特征图像的对比进而判断该行为是否为异常行为。
五、结论
本文介绍了运动中人体行为分析技术的主要实现方法和算法,详细阐述了基于Hu不变矩的行为分析方法,通过实验提取图像的Hu不变矩实现了对运动人体行为特征的分析研究,实验证明该方法的可以有效的进行人体行为识别。
参考文献:
张家广.计算机图形学[M].北京:清华大学出版社,1998.510—520
William K Pratt.Digital Image Processing[M].北京:机械工业出版社,200

5.360—373

[3]狄红卫,许瑶.数学形态学在图象滤波中的应用[J].暨南大学学报,2003,24(3):42—45.
[4]王拴,艾海舟,何克忠.基于差分图像的多运动目标的检测与跟踪中国图像图形学报[J].1999,4(6):470—475