论文总字数：21898字

摘 要

人体目标行为识别是计算机视觉领域的重要研究方向，在智能监控、虚拟现实等领域有了丰硕的研究成果。由于视觉系统的复杂性、运动目标的多样性等因素，使得行为识别技术与实用需求还存在一定距离，仍需要深入研究。因此本文对人体目标识别的过程进行研究。

首先，对星型距离、时空兴趣点，和骨骼夹角等人体运动姿态特征表示方法进行阐述。在此基础上，简单介绍如何通过图像处理与分析得到这三种特征。

其次，视频序列的分割（将连续的行为动作，分成不同动作段），是行为识别与理解的基础。采用了一种对人体运动序列和相似时间序列进行自动时间分割的方法。

本文重点针对得到的特征数据，利用最小距离分类器和BP神经网络分类器进行分类，在此基础上，比较了两个分类器的优缺点，并分析所得特征数据的准确性。

综上所述，本文以行为识别的基本环节为出发点，重点探讨了这些环节中的识别部分的方法。对不同方法提取出来的特征数据进行分类识别的MALTlAB仿真实验，对比分析的结果，验证了本课题所用方法的有效可行性。

关键词： 动作识别 行为分割 最小距离分类器 BP神经网络分类器

Recognition of Human body Target motion based on the Smart Home Video Surveillance

Abstract

Recognition of human body target motion is an important direction of computer vision,In the field of intelligent monitoring, virtual reality and other fruitful research results..Due to the complexity of the vision system, the diversity of moving objects and other factors, there is still a certain distance between the behavior recognition technology and practical needs, and further research is still needed., Therefore, this paper studies the process of human body target recognition.

First of all, the space and time interest points, and the angle of the skeleton and other human body motion attitude feature representation method are described in this paper, then.we introduced how to get the characteristic data of these three methods.

Secondly, the segmentation of video sequence (the continuous action, divided into different motion segments), is the basis of behavior recognition and understanding. By using the a kind of human motion sequences and similar time series method for automatic segmentation.

This paper focuses on the characteristics of the data, using the minimum distance classifier and BP neural network classifier for classification, on this basis, compared the advantages and disadvantages of the two classifiers, and the accuracy of the analysis of the characteristics of the data obtained.

To sum up, this paper is based on the recognition of behavior , focusing on the part of these links in the recognition method. Data of different methods to extract features for classification and recognition of MALTlAB simulation experiments and the results of comparative analysis, verify the method used in this paper is effective and feasible.

Keywords: motion recognition； behavior segmentation,；minimum distance classifier；BP neural network classifier

目 录

摘要 I

Abstract II

目 录 III

第一章 绪论 1

1.1选题的背景和意义 1

1.2国内外研究现状及发展 2

1.3本文研究内容与章节安排 3

第二章 单帧动作姿态的特征提取 4

2.1引言 4

2.2基于星形距离的人体特征提取方法 4

2.2.1人体运动轮廓提取及星形距离特征提取 4

2.2.2特征向量的小波变换 6

2.3基于3D时空兴趣点的特征提取 6

2.3.1 3D时空Harris角点检测 6

2.3.2 3D-SIFT特征描述算子 8

2.3.3. Hu不变矩 9

2.3.4谱聚类视觉单词生成 10

2.4骨骼夹角运动特征提取 11

第三章 连续行为序列分割 14

3.1引言 14

3.2连续行为序列的分割 14

3.2.1稀疏自相似矩阵和邻域图 14

3.2.2不同行为的分割 16

第四章 人体动作姿态识别分类 20

4.1引言 20

4.2最小距离分类器 20

4.2.1介绍 20

4.2.2最小距离分类器的流程图 21

4.2.3分类步骤 21

4.2.4实验 22

4.3 BP神经网络 23

4.3.1介绍 23

4.3.2 BP 神经网络结构 23

4.3.2 BP神经网络分类器的流程图 24

4.3.3分类步骤 25

4.3.4实验 26

4.4分析 32

第五章 总结与展望 33

5.1总结 33

5.2展望 33

参考文献 35

致谢 37

第一章 绪论

1.1选题的背景和意义

人体行为识别的目的是通过计算机视觉技术从传感器获取的信息中自动检测、分析和描述人体行为活动。它是视觉领域的研究热点，同时在智能视频监控、智能家居、病人监护系统等领域有广阔的发展空间^[1,2]。正确的行为识别可以在公共区域的视觉监控系统，自动提取人体行为高层次的语义信息，可以利用基于内容的视频检索系统快速和准确搜索和定位到特定语义的视频内容。随着行为识别技术的发展，许多应用领域的研究成果已经在为我们的生活所服务。随着科技的不断进步，智能空间技术也引起众多研究者的关注，在智能空间中，正确理解和识别人的行为使机器人对独居老人的陪伴和监护、病人康复监测等问题成为可能^[3-5]。因此，利用基于计算机视觉的智能空间技术，研究智能空间下人体行为识别和理解的移动式智能机器人具有广泛的应用前景。

智能视觉监控系统与传统的视频监控的区别在于，前者是在无需人为操控的情况下，基于视觉理论和视频图像分析，对视频场景中感兴趣区域或目标进行定位和跟踪，从而实现对目标行为以及相互关系的高层次语义上的分析和判断。正确识别和理解人的行为是具有视频监控功能的智能机器人提供服务的前提，是构建家庭视频监控网络，进行事件分析、识别的主要手段之一。由此可见，视觉监控主要有三个研究方向，即目标检测和跟踪、运动特征提取分析和人体行为的描述和判断。人体行为的识别是高层次的视觉处理，涉及多领域的知识，其中人工智能、计算机视觉分别作为行为识别的研究指导和硬件支持，图像处理、神经网络则可作为技术指导和算法实现，还包含了一些人文科学方面的知识。因此，人体行为识别是多学科交叉的研究方向^[6,7]，不仅促进了自身科学理论体系的形成，而且能进一步推动相关学科的发展。与此同时随着人体目标动作识别视觉技术的不断发展，为了提高识别的效率，需要进一步研究和探讨行为识别的实时性、鲁棒性和准确性等问题。

请支付后下载全文，论文总字数：21898字