1、人體行為識別是計算機視覺領域的研究熱點和難點,在智能監(jiān)控、高級人機交互、體育運動分析和基于語義的視頻檢索等方面有著重要的意義和廣闊的應用前景。計算機理解人體動作和行為將成為未來高層計算機視覺技術發(fā)展的重要方向。
　　 目前,人體行為識別的研究尚處于初級階段,盡管在單一背景的簡單動作識別上取得了一定的進展,但是由于人體行為的復雜性、特征提取的時間復雜度高等問題,真實場景下的人體行為識別仍然面臨著許多困難,如實時性差、識別率未達到實

2、際應用等。針對上述情況,本文圍繞基于視頻的人體行為識別展開研究,進行了以下三個方面的工作:
　　 1.查閱了大量文獻,對現(xiàn)有的基于局部時空特征的人體行為識別方法的進展的進行詳細概述,重點介紹了局部時空特征的檢測算子和描述算子。
　　 為本文后續(xù)工作的展開提供理論支持。
　　 2.提出了一種基于CUDA的HOG特征算子的快速計算方法。針對HOG特征提取的時間復雜度高的問題,根據(jù)CPU下的HOG特征算子,研究了GPU

3、下的HOG特征快速計算方法。在GPU下分別對HOG特征的梯度計算、直方圖統(tǒng)計、歸一化處理、線性SVM分類器檢測部分,特征提取的五個關鍵步驟都分別設計了相應的并行模塊。實驗結(jié)果表明GPU下的HOG特征計算相較于CPU下的HOG特征計算平均提高了約10倍的速度。
　　 3.提出了一種基于表觀碼本同現(xiàn)的特征包模型算法。針對傳統(tǒng)特征包模型中的缺點,即簡單的用單個碼本來表示每個聚類中心的做法,本文引入了表觀碼本同現(xiàn)的方法來增加碼本之間的相

4、關性。首先利用局部特征檢測算子和特征描述算子計算出特征向量。接著利用k-means(k-均值聚類)算法對所有的訓練視頻特征向量進行聚類,構(gòu)建k個碼本項。然后對k個碼本計算共現(xiàn)碼本矩陣和共現(xiàn)碼本相關度矩陣,根據(jù)共現(xiàn)碼本相關度矩陣得出相關度最大的k對共現(xiàn)碼本。然后對訓練視頻和測試視頻分別計算k個碼本的原碼本直方圖和k對共現(xiàn)碼本的直方圖。最后合并原碼本直方圖和共現(xiàn)碼本直方圖組成一個新的碼本直方圖,這樣每個視頻特征向量由原碼本直方圖和表觀碼本共