1、人體運(yùn)動(dòng)分析是計(jì)算機(jī)視覺(jué)分析領(lǐng)域重要的研究方向，在智能監(jiān)控、人機(jī)互交、虛擬現(xiàn)實(shí)、運(yùn)動(dòng)分析等領(lǐng)域均具有重要的應(yīng)用價(jià)值。人體運(yùn)動(dòng)分析的研究?jī)?nèi)容包括運(yùn)動(dòng)目標(biāo)檢測(cè)、目標(biāo)跟蹤、人體動(dòng)作識(shí)別和行為理解與描述。稀疏編碼(Sparse Coding)理論是一種模擬哺乳動(dòng)物視覺(jué)系統(tǒng)主視皮層細(xì)胞感受野編碼機(jī)制的新興信號(hào)表示方法，該方法由于使用超完備字典對(duì)信號(hào)進(jìn)行分解，所以對(duì)信號(hào)的誤差與噪聲的處理比傳統(tǒng)方法更穩(wěn)健。近年來(lái)，許多學(xué)者對(duì)稀疏編碼理論進(jìn)行了深入的研

2、究，并成功地應(yīng)用在計(jì)算機(jī)視覺(jué)領(lǐng)域的眾多問(wèn)題中，取得了一些重要的研究成果。
　　本文以稀疏編碼為理論基礎(chǔ)，在最新研究成果的基礎(chǔ)上展開(kāi)深入的研究，提出了應(yīng)用于目標(biāo)跟蹤、人體動(dòng)作識(shí)別和異常事件檢測(cè)的稀疏編碼方法，主要的研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下：
　　(1)針對(duì)經(jīng)典目標(biāo)跟蹤算法在光照改變、遮擋和形變等情況下精度不高，長(zhǎng)時(shí)間目標(biāo)跟蹤不可避免發(fā)生跟蹤目標(biāo)丟失等問(wèn)題，在稀疏編碼理論框架下，引入結(jié)構(gòu)化信息和聯(lián)合投票機(jī)制，結(jié)合自適應(yīng)模板更新方法，

3、提出了一種基于結(jié)構(gòu)化稀疏編碼聯(lián)合投票的目標(biāo)跟蹤算法。同時(shí)，受稀疏編碼在目標(biāo)識(shí)別領(lǐng)域成功應(yīng)用的啟發(fā)，將目標(biāo)跟蹤視作目標(biāo)識(shí)別問(wèn)題，而不是傳統(tǒng)的搜索問(wèn)題。所有候選圖像組建訓(xùn)練樣本集合，目標(biāo)模板由所有的訓(xùn)練樣本線性組合表示。在公開(kāi)的具有挑戰(zhàn)性的視頻數(shù)據(jù)庫(kù)上進(jìn)行實(shí)驗(yàn)測(cè)試，該算法保證在出現(xiàn)光照改變、形變和遮擋等不利情況下進(jìn)行長(zhǎng)時(shí)間跟蹤的可靠性，相比目前比較成熟的幾種跟蹤算法，對(duì)于出現(xiàn)遮擋的情況，算法的成功率有很大的提高。
　　(2)針對(duì)人體動(dòng)

4、作識(shí)別算法受人體動(dòng)作的多樣性不利因素的影響導(dǎo)致準(zhǔn)確性和快速性有待提高的問(wèn)題，首次提出用l2稀疏編碼算法進(jìn)行人體動(dòng)作識(shí)別的研究。通常在人體動(dòng)作識(shí)別的研究中，無(wú)法獲得每類動(dòng)作充足的訓(xùn)練樣本，如果用經(jīng)典的l1稀疏性稀疏編碼算法表示輸入樣本，必然產(chǎn)生較大的重構(gòu)誤差而導(dǎo)致分類錯(cuò)誤。為了解決稀疏編碼用于人體動(dòng)作識(shí)別的這一瓶頸問(wèn)題，深入分析l1稀疏性稀疏編碼的工作機(jī)理，證明在訓(xùn)練樣本不充足的情況下，重構(gòu)誤差比稀疏性在分類識(shí)別中起到更重要的作用，進(jìn)而可

5、以降低算法對(duì)稀疏性的要求。在建立描述人體動(dòng)作的距離符號(hào)變換時(shí)空體特征的基礎(chǔ)上，提出了基于l2稀疏性約束條件稀疏編碼的人體動(dòng)作識(shí)別方法。與現(xiàn)有的人體動(dòng)作識(shí)別方法進(jìn)行實(shí)驗(yàn)比較，結(jié)果表明本文方法在提高識(shí)別率的同時(shí)，提高了算法的快速性，使算法具有更大的實(shí)際應(yīng)用價(jià)值。
　　(3)針對(duì)視頻序列圖像場(chǎng)景復(fù)雜，很難甚至無(wú)法提取事件的完整特征的問(wèn)題，研究了結(jié)合LBP-TOP和稀疏編碼的異常事件檢測(cè)方法。在視頻數(shù)據(jù)中提取事件的局部時(shí)空體，其數(shù)量巨大，

6、這些局部時(shí)空體的描述對(duì)檢測(cè)的精度具有重要的影響。采用LBP-TOP紋理算子描述局部時(shí)空體，它是用三個(gè)垂直平面的二值編碼直方圖串聯(lián)描述三維數(shù)據(jù)，計(jì)算簡(jiǎn)單，可區(qū)分性強(qiáng)，適用于異常事件檢測(cè)。實(shí)驗(yàn)結(jié)果表明，本文方法提高了檢測(cè)精度。
　　(4)針對(duì)用于異常事件檢測(cè)的線性動(dòng)態(tài)系統(tǒng)模型對(duì)噪聲敏感的問(wèn)題，提出一種基于線性動(dòng)態(tài)系統(tǒng)稀疏編碼的異常事件檢測(cè)方法。現(xiàn)有的方法對(duì)噪聲引起的輸入變化非常敏感，稀疏編碼對(duì)噪聲的穩(wěn)健性可以解決這個(gè)問(wèn)題。然而，線性動(dòng)

7、態(tài)系統(tǒng)屬于非歐式空間模型，無(wú)法直接應(yīng)用傳統(tǒng)的稀疏編碼，本文開(kāi)創(chuàng)性提出將控制理論中的線性變換引入到稀疏編碼中，應(yīng)用約束凸優(yōu)化公式實(shí)現(xiàn)稀疏編碼的優(yōu)化求解。在動(dòng)態(tài)紋理數(shù)據(jù)庫(kù)和異常事件檢測(cè)數(shù)據(jù)上進(jìn)行實(shí)驗(yàn)，結(jié)果表明本文方法計(jì)算量小，對(duì)于被遮擋的動(dòng)態(tài)紋理仍具有較好的識(shí)別率，且提高了異常事件檢測(cè)的精度。
　　綜上所述，針對(duì)基于序列圖像的人體運(yùn)動(dòng)分析算法中存在的問(wèn)題，提出了優(yōu)于現(xiàn)有方法的目標(biāo)跟蹤、人體動(dòng)作識(shí)別和異常事件檢測(cè)算法，建立了基于稀疏編碼