1、計(jì)算機(jī)視覺(jué)中的人體運(yùn)動(dòng)分析涉及了目標(biāo)檢測(cè),目標(biāo)跟蹤以及人體行為動(dòng)作識(shí)別等領(lǐng)域。在這些領(lǐng)域當(dāng)中,動(dòng)作識(shí)別在安全監(jiān)控,人機(jī)交互,出入境管制以及基于內(nèi)容的視頻摘要和檢索等方面有著廣泛的應(yīng)用前景。目前,針對(duì)這個(gè)活躍的課題,已經(jīng)有大量的科研機(jī)構(gòu)和研究者做了深入的研究。然而在真實(shí)場(chǎng)景中的人體活動(dòng)往往存在著巨大的類內(nèi)差異,準(zhǔn)確而又快速的人體動(dòng)作識(shí)別依然是一個(gè)極具挑戰(zhàn)性和開(kāi)放性的問(wèn)題。
　　由于人體動(dòng)作識(shí)別技術(shù)涵蓋范圍廣泛,涉及圖像處理、計(jì)算機(jī)視

2、覺(jué)、模式識(shí)別、機(jī)器學(xué)習(xí)領(lǐng)域的綜合應(yīng)用,本文重點(diǎn)研究視頻中動(dòng)作的特征表示,特征融合以及詞袋模型等幾方面的內(nèi)容。并就其中涉及的一些相關(guān)具體問(wèn)題做了深入的研究,主要的研究?jī)?nèi)容和貢獻(xiàn)包括:
　　1.研究了視頻中人體動(dòng)作的特征表示以及識(shí)別方法,包括光流特征,輪廓特征,時(shí)空興趣點(diǎn)特征,詞袋(bag of words)模型,主題模型以及判別模型等。廣泛閱讀當(dāng)前動(dòng)作識(shí)別領(lǐng)域的相關(guān)文獻(xiàn),對(duì)動(dòng)作識(shí)別方法進(jìn)行分類學(xué)習(xí)和整理。同時(shí)深入研究了動(dòng)作表示中全局

3、和局部的表示方法,為本文中動(dòng)作特征的提取和融合奠定了基礎(chǔ)。
　　2.本文利用人體分塊模型和光流特征提出一種簡(jiǎn)潔高效的動(dòng)作表示方法。首先,人體分塊模型將人體剪影分成各個(gè)區(qū)塊,精確地表征出人體各部位的運(yùn)動(dòng)情況;其次,基于局部光流特征提出了一種精確穩(wěn)定的運(yùn)動(dòng)描述子來(lái)表征運(yùn)動(dòng)信息。同時(shí),利用運(yùn)用上下文的方法,提取了人體動(dòng)作空間的局部時(shí)序信息,即將動(dòng)作的過(guò)去,現(xiàn)在以及將來(lái)聯(lián)系起來(lái)。將三種類型的特征進(jìn)行融合,最后采用詞袋模型最為動(dòng)作的最終表示

4、方法。
　　3.本文選擇判別式模型作為動(dòng)作識(shí)別的分類模型。該模型采用直方圖交叉核的方法建立核函數(shù),然后利用這個(gè)核函數(shù)來(lái)訓(xùn)練多類支持向量機(jī)的判別函數(shù),從而對(duì)動(dòng)作進(jìn)行分類識(shí)別。在此基礎(chǔ)上,本文利用包含全局的運(yùn)動(dòng)速度信息,采用一種兩級(jí)分類系統(tǒng),首先利用速度信息對(duì)人體動(dòng)作進(jìn)行初步的粗分類,然后再使用多類支持向量機(jī)的方法對(duì)動(dòng)作進(jìn)行最終的分類識(shí)別。本文的方法測(cè)試了兩個(gè)公共數(shù)據(jù)集:Weizmann和KTH。通過(guò)各種對(duì)比實(shí)驗(yàn)以及實(shí)驗(yàn)分析表明:該算