论文总字数：27038字

摘 要

人体行为识别在现今有巨大的发展发展前景和运用价值。在视频监控下的人体行为特征提取与选择的的研究内容，是对连续的图像序列进行检测，从中提取出运动人体的轮廓，再从中提取出人体的运动特征，以达到识别的目的。

本文对比了几种人体行为特征表示方法，主要包括，动态特征和静态特征两类。本文具体工作包括：首先，我们比较了几种我们常见的检测运动目标的方法，最终选择使用背景减除发，再通过二值法、图像滤波对图像进行预处理得到高质量的图片。其次，阐述了人体形态的静态特征，提取出人体轮廓，然后求出人体质心，在轮廓上等距离的设置N个采样点，把采样点到轮廓之间的距离作为特征向量。然后，运用3D时空特征对人体运动的动态特征进行提取研究，最后分析比较了星型距离和3D时空特征两种方法。两者相比，兴趣点处理效果更加卓越。

人体行为特征的提取与选择，在智能视频监控系统中起着重要作用，本论文的工作还有待进一步的深入，以期望在实际监控系统中得以应用特征提取与选择算法。

关键词： 行为特征提取与选择 星形距离法 3D时空特征 implex-based orienta-tion decomposition （sod）

Intelligent video surveillance systems feature extraction and selection of human behavior

Abstract

Nowadays，human behavior recognition has great development prospects and the use of value. Human Behavior in video surveillance extraction and selection of research which can detection continuous image sequence , extract the contours of human movement, and then extract the body's movement characteristics, in order to achieve the purpose of identification.

This paper compares several representations of human behavioral characteristics, including dynamic and static characteristic feature categories. This article tasks as follows:First, we compared several common methods to detect moving targets we ultimately choose to use background subtraction method, and then we use the binary method, image filtering and image pre-processingy to get high-quality pictures. Secondly, the human form describes the static characteristics of extracted human figure, and then find the center of mass of people, in profile settings N equidistant sampling points, the sampling point to the distance between the profiles as feature vectors. Then, using sod point of interest on the dynamic characteristics of human motion extraction research, analysis and comparison of the last star and sod from the points of interest in two ways. When comparing the two method, 3D spatio-temporal feature description treatment effect is more remarkable.

Feature extraction and selection of human behavior plays an important role in intelligent video surveillance system, this thesis work remains to be further in-depth, in order to expect in the actual application of the monitoring system to feature extraction and selection algorithms.

Keyword: Behavior feature extraction and selection Star distance 3D spatio-temporal feature description implex-based orienta-tion decomposition （sod）

目录

摘要 I

Abstract II

第一章 绪论 I

1.1.课题意义 I

1.2国内外研究现状 2

1.2.1国外现状 2

1.2.2国内现状 2

1.3 本文主要内容以及章节安排 3

第二章 图像预处理 4

2.1图像处理技术概述 4

2.2动态目标的检测 5

2.2.1帧间差分法 5

2.2.2背景减除法 6

2.2.3光流法 7

2.3图像二值化 8

2.4图像滤波 10

2.4.1均值滤波法 10

2.4.2中值滤波法 10

2.5.1Sobel算子 11

2.5.2robert算子 12

2.5.3 prewitt算子 12

2.5.4laplacian算子 12

2.5.5Canny边缘检测法 13

2.5.6边缘检测结果比较 13

第三章 基于人体轮廓的特征提取 15

3.1视频中视频序列特征概述 15

3.1.1边缘形成因素 15

3.1.2轮廓提取基本步骤 15

3.1.3对轮廓进行提取的程序处理结果 15

3.1.4总结 16

3.2 轮廓的星形距离 16

3.2.1.矩的定义 17

3.2.2轮廓质心提取 18

3.2.3质心-边界距离曲线绘制算法流程： 19

3.2.4 仿真结果 21

3.3 星形骨架法 21

3.3.1星形骨架法的概述 22

3.3.2关键轮廓点的获得与星壮骨架模型的建立 23

3.3.3小结 25

第四章 人体运动的动态特征 26

4.1概述 26

4.2人体运动特征提取与表示 26

4.2.1基于非模型法 26

4.2.2基于模型的方法 28

4.2.3其他的分类方法 28

4.3基于3D时-空兴趣点SOD特征的人体特征提取方法 28

4.3.1 3D时-空Harris角点的兴趣点检测 28

4.3.2时-空兴趣点SOD3D描述器方法 30

4.3.3方向分解 30

4.3.4变换到单层空间 31

4.3.5在单层空间进行描述 32

4.3.6象限分解 33

4.3.7实验结果与分析 34

4.4本章小结 36

第五章 总结与展望 37

5.1工作总结 37

5.2后期展望 37

参考文献 38

致谢 39

第一章 绪论

1.1.课题意义

随着科技的发展，视频监控系统可以应用的领域也越来越多了。在如今生活中，摄像头这种监控设备已经随处可见了，这样不论在哪里发生什么都可以用视频监控所采集的视频或图像快速得知。但是，无法快速判读出哪些行为正在进行，这样子就无法体现出视频监控的即时性。如果全都是要人为进行监控判别则需要很大的人力资源。所以在视频监控下人体行为识别的研究还是很有必要的，通过研究所得我们可以通过视频监控实时的得知我们需要知道的信息，如果出现什么非法行为也可以及时报警。

我们进行人体行为识别是为了以后可以结合视频监控这一部分，我们得出人的运动模式和特征，然后通过计算机数据进行分析，得出结果。总的来讲，我们对人体行为识别这方面的研究主要集中在视觉跟踪这一方面，所以对视频监控下人体特征提取的研究还是较少。但随着人们的关注，这一方面研究将会是未来的一个大的发展趋势。

请支付后下载全文，论文总字数：27038字