基于密集軌跡特征的人體運(yùn)動識別研究.pdf

1、近年來，隨著科技的飛速發(fā)展，人們對于計算機(jī)的要求已經(jīng)不僅僅是停留在把它當(dāng)作是一個機(jī)器而已，更多的是希望它能夠像人類一樣對外界發(fā)生的事物進(jìn)行自主的識別與判斷，人類獲取外界的事物絕大多數(shù)是來自于視覺，因此，近些年，計算機(jī)視覺的發(fā)展十分快速，而在計算機(jī)視覺領(lǐng)域中，識別問題是目前為止最受人們關(guān)注的一個問題也是國內(nèi)外學(xué)者所關(guān)注的研究熱點，并且在一些領(lǐng)域內(nèi)已經(jīng)開始嶄露頭角，有了初步的應(yīng)用。但是，由于人在運(yùn)動的時候有著很大的自由度和自遮擋問題且其運(yùn)動

2、的多變性和連續(xù)性以及不確定性，使得讓計算機(jī)去識別運(yùn)動造成了很大的困擾與麻煩，因此如何使計算機(jī)具備像人眼一樣的功能，去對生活中人們的運(yùn)動動作做出準(zhǔn)確無誤的判斷，是目前以及未來在識別領(lǐng)域內(nèi)我們所關(guān)注的重點內(nèi)容。
　　為了提高計算機(jī)對生活中人們運(yùn)動動作的識別準(zhǔn)確度，各國的學(xué)者都為之傾注了無數(shù)精力，本論文在前人提出方法的基礎(chǔ)上，融入自己的一些想法，從不同角度對人們運(yùn)動的動作特征進(jìn)行描述。
　　本文主要工作如下：
　　1.使用了

3、一種基于K-means聚類及密集軌跡特征的人體運(yùn)動的識別方法。首先針對于整個視頻計算其光流場，光流場的計算我們采用稠密光流的計算方法，其次根據(jù)計算得到的光流場每隔5個采樣點進(jìn)行采樣，對采樣得到的每個采樣點依次進(jìn)行跟蹤，判斷其在下一幀圖像上出現(xiàn)的位置，形成跟蹤軌跡，并計算它的軌跡描述符。最后，利用K-means聚類的方法來對得到的描述符進(jìn)行聚類處理，為后續(xù)的分類做好基礎(chǔ)。
　　2.將前景特點提取的方法融入進(jìn)密集軌跡特征中去，用于人類

4、運(yùn)動識別。考慮到大多數(shù)情況下，人們都是在復(fù)雜的背景下進(jìn)行活動的，背景的去除對于能否準(zhǔn)確無誤的對運(yùn)動進(jìn)行判別有很重要的影響。因此本章將前景特征融入進(jìn)來。首先針對于整個視頻對其光流場進(jìn)行計算，采用稠密光流的計算方法，其次根據(jù)計算得到的光流場每隔5個采樣點進(jìn)行采樣，對采樣得到的每個采樣點依次進(jìn)行跟蹤，判斷其在下一幀圖像上出現(xiàn)的位置，形成跟蹤軌跡，并計算它的軌跡描述符，利用K-means聚類的方法來對得到的描述符進(jìn)行聚類處理，處理后，前景的運(yùn)動

5、強(qiáng)度要明顯大于背景的運(yùn)動強(qiáng)度，以此來作為判斷的依據(jù)將強(qiáng)度大的前景從強(qiáng)度弱的背景中提取出來。
　　3.將時空興趣點的方法融入進(jìn)密集軌跡特征中來對人體運(yùn)動進(jìn)行識別。大多數(shù)的識別方法采用的是動作特征，而忽略了時空特征，使得對于運(yùn)動特征的表達(dá)不夠完美，因此，本章將時空特征融入進(jìn)來，加入時空興趣點的描述，首先針對于整個視頻對其光流場進(jìn)行計算，采用稠密光流的計算方法，其次計算每個視頻進(jìn)行濾波得到其時空興趣點特征，并將得到的時空興趣點作為采樣像