摘 要

随着计算机技术的快速发展，以及人们对于社会安全的日益重视，视频监控越来越多的被运用于保护人们的安全之中。通过对视频中人物的行为分析，能够有效地对各类突发状况有所预防与管理。但是，由于人体活动的多样性以及外部环境的不确定性，行为检测的准确性还有待提高。对于视频行为检测方法的优化，仍有改进的空间。

本文中采用了以SVM作为分类器，对视频中行为人的动作进行识别。具体包括对视频序列进行关键帧提取，对关键帧进行特征量提取，对SVM进行训练，利用SVM进行行为识别这几个步骤。关键帧提取的目的在于简化需要处理的数据量，特征提取的目的在于为SVM提供每一个动作唯一性，最后将这些特征量作为SVM分类的标准，进行行为识别。

本文中使用的实验环境为Matlab，采用梯度直方图的方法作为特征量提取方法，将其应用于行为检测，在正负训练集的情况下，实现基于视频的行为识别功能。

关键词：支持向量机，方向梯度直方图，视频行为识别

Abstract

As the rapid development of computer technology and people paying more attention to social security, video surveillance is used to protect people's safety more than usual. By analyzing the behavior of the characters in the video, it can effectively prevent and get all kinds of emergencies in control.However,the variety of human’s behavior and the complexity of the environment may cause the rates of accuracy down.So there is still some ways for improvement of video behavior detection.

In this paper, SVM is used as classifier to identify the action of the actor in video. This includes key frame extraction for video sequence, feature extraction for key frame, training for SVM and behavior recognition by SVM. The purpose of key frame extraction is simplified to deal with the amount of data, while feature extraction is to provide every movement and uniqueness for the SVM. Finally all these characteristics as the criteria for the classification of SVM, is used to identify the behavior.

By using Matlab, this paper takes the method of Histogram of Oriented Gradient to extract feature, and achieve the function of the recognition of normal human’s behavior based on the video in the case of positive and negative training sets.

Key Words：Support Vector Machine, Histogram of Oriented Gradient,video recognition

目 录

第1章 绪论 1

1.1研究背景 1

1.2国内外研究现状 2

1.3本文研究思路及章节结构 4

第2章 视频的关键帧与其提取 6

2.1提取关键帧的意义 6

2.2关键帧提取算法 6

2.3小结 7

第3章 人体行为的特征提取 8

3.1特征提取概述 8

3.1.1 动作分割 8

3.1.2利用HOG算法提取特征量 9

3.3小结 13

第4章 基于SVM的行为识别 14

4.1支持向量机理论 14

4.2 支持向量机算法 15

4.3人体行为识别 16

4.4小结 18

第5章 总结和展望 19

5.1论文工作总结 19

5.2未来研究设想 19

参考文献 21

致谢 23

第1章 绪论

伴随着计算机科学技术的快速发展，数码设备的逐渐普及，以及生命财产、交通出行、度假旅游等方面的安全问题，越来越受到人们的重视，视频监控越来越被寄希望于能够阻止这些问题的发生，甚至期望能够做到有条件的预防。伴随着人工智能技术的日渐成熟，这一期望正在慢慢转变为现实，其关键之一就是在视频监控领域引入智能识别这一特性，将普通的监控系统转变为智能监控系统。相比于传统监控系统，智能视频监控，其主要特点体现两个方面，一是能够对监控中的行为人进行识别，二是对于识别的行为人的动作进行分析，判断其是否存在异常行为。目前，进行视频行为分析的方法有许多，而本文将着重使用支持向量机（Support Vector Machine，SVM）的方法，实现通过视频进行的人体行为识别。

1.1研究背景

随着人们日益增长的生活品质要求，社会对于安全问题的关注日益加重，伴随着电子科学技术的发展，视频监控技术逐渐开始取代传统的人为监控方法。视频监控因其可以长时间工作，人力成本低，可以直观准确反映事实等特点，被广泛运用于银行，超市，医院，交通及个人房屋安全保护等方面。但是传统的视频监控仅能记录实时的事件经过，并不能对各种突发状况做出相应的判断，因此在发生重大事故时，仅能在事故后再进行排查。近几年来，人工智能行业发展迅速，因此人们迫切希望在视频监控方向中加入人工智能识别，以达到长时间实时监控预警的目的。具体来说，就是在无人参与的情况下，仅依靠系统的算法，对采集到的视频进行动作提取和分析，与系统数据库中的各种行为比较，从而得知其动作是否存在危险性，并对其接下来的行为做出预判。例如在交通方面，在庞大的路途交通网上，怎么处理交通事故或意外事件构成的堵车，怎么使路口的信号体系聪明起来，络绎在城市间的路途交通在谋变，智能交通因此而呈现；银行方面也随着近几年智能分析技术的日益成熟，开始考虑并逐步引入智能安防系统，意在通过智能化安防手段提升银行业务的防范效率。目前在银行业应用的智能监控系统采用先进的视频分析与识别技术，将各个独立的监控系统结合起来，可有效地解决了银行监控系统智能化和集中化的管理问题。通过安装在银行的营业厅、柜台、门口等区域监控摄像头，在视频画面内设置智能分析区域，实现对银行的7*24小时的智能视频监控，对进出人员行为进行智能分析。当有异常行为发生时，系统自动报警，通知监控室的值班人员，同时可将异常信息通知到现场的安保人员，将可能发生的突发事件控制在萌芽之中；习近平总书记在对政法工作的重要指示中要求政法机关深化智能化建设，中央政法委、公安部、省公安厅也相继提出了“智能化建设”“公安大数据战略”和“智慧新警务”战略，因此在公安方面，智能监控技术也有很大的作为，例如图像视频模块：将视频图像侦查应用平台建立在融合安防平台基础之上，融合安防平台实现了公安摄像头的联网管理。视频图像侦查应用平台以GIS信息服务为支撑，实现视频基础资源与地理信息位置的对应，快速实现联网摄像头的定位、编辑、视频二三类点的标注以及与公安警用GIS的集成，达到视频资源直观掌控，快速指挥调度的目的，视频训练模块：通过配置视频轮巡预案，可手动或自动启动轮巡计划，对需要监看的图像按照多个画面组合自动轮巡显示。可以添加多条巡逻轨迹，实现大范围的云台联动视频监控和突发事件的自动存储、建档，用于重大活动保卫、突发事件处置，使用户能够以最快捷、方便的方式协调、调用相关图像资源，更好的为实战服务。警力调度模块：视频图像侦查应用平台与PGIS系统对接，发生报警后，在地图上自动显示报警网点位置，使报警信息更加直观和清晰。通过与350M无线通信集群系统、警车GPS系统的集成，在视频图像侦查应用平台的电子地图上实时显示报警区域的各种巡逻警力部署情况，快速通知执勤车辆第一时间赶往发案地点，并将事发区域的相关视频信息通过彩信、视频等方式，快速发送到前线单兵，实现快速反应、警力调度。

人体行为识别技术，其设计到的学科十分广泛，包括视频采集，数据传输，视频分帧，图像处理，图像识别等方面。正因为这样，人体行为识别一直是目前数字图像处理研究的热门之一，也是现代技术互相组合从而将其提升到更高空间的体现。随着人体行为识别技术的普及和精进，一定会为人们带来更加便利和安全的生活。