人体运动的视觉分析是一个新兴的研究领域,涉及模式识别,图像处理,计算机视觉,人工智能等多门学科。其目的是要从视频图像序列中检测、跟踪、识别人体并对其行为进行理解与描述。这些研究成果可以广泛应用到智能监控,虚拟现实,感知接口等领域,具有很好的社会和经济效益。 人体运动视觉分析一般包含运动检测,运动目标分类,人体跟踪,行为理解与描述四个阶段。本文对其中高层的视觉模块处理技术,即人的行为理解和描述进行了较为深入的研究。主要工作如下: 1、对比了视频序列图像中各种特征,接着分析了当前光流计算的主要方法及其实验结果,最后给出了对比实验结果进行了分析。当相邻图像帧间的运动位移比较大时,分层光流算法可以得到更为精确的光流场。 2、提出了一套基于光流特征和序列比对的行为识别算法。该算法用量化光流场得到的方向直方图构造出一个公共模板库及其索引序列库,借助序列比对方式来实现行为识别。由于采用了公共模板库,可有效减少模板数量,使算法对图、像尺寸为320x240的序列平均处理速度达到10帧/秒。 3、开发了一套针对人体典型行为动作的识别系统。通过大量试验表明,该系统可在线进行动作人的典型行为识别,对目标尺度变化,小角度倾斜和旋转具有一定程度的鲁棒性。