自2009年來,隨著Kinect等深度傳感器的興起,在計(jì)算機(jī)視覺研究領(lǐng)域中,越來越多的學(xué)者通過使用RGB-D深度圖像來實(shí)現(xiàn)更精確的目標(biāo)檢測(cè)、識(shí)別、跟蹤和視頻分析理解�；赗GB-D深度圖像的人體異常行為檢測(cè),由于其獲得三維立體信息,受到光照、陰影、復(fù)雜背景的影響非常小的特點(diǎn),提取人體骨架特征具有普通RGB圖像無法比擬的優(yōu)點(diǎn)。因此,在此基礎(chǔ)上進(jìn)行人體異常行為檢測(cè)的研究成為熱點(diǎn)。論文的主要工作和取得的新見解如下:1.闡述了Kinect獲取深度圖像的原理以及流程,實(shí)現(xiàn)了RGB-D深度圖像的彩色點(diǎn)云表示方法和偽彩色表示方法。2.分析了基于RGB-D深度圖像的人體骨架特征提取算法步驟和原理,提出了人體姿態(tài)的關(guān)節(jié)角度特征表示的方法,通過實(shí)驗(yàn)驗(yàn)證了在多視角、不同距離、人體跌倒、多人目標(biāo)的情況下人體骨架特征提取的精確性。3.針對(duì)具有混亂、無序度高等特點(diǎn)的混亂異常行為,提出了基于人體骨架特征信息熵的人體異常行為檢測(cè)算法。通過實(shí)驗(yàn)分析驗(yàn)證了其具有很好的檢測(cè)效果,精確度95.83%,召回率92%,準(zhǔn)確率94%,具有魯棒性。針對(duì)具有特定需求的異常行為檢測(cè)場(chǎng)景,利用人體骨架特征得到的人體空間位置信息、人體運(yùn)動(dòng)速... 

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 本論文研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)
        1.2.1 RGB-D視頻人體異常行為檢測(cè)方法的研究背景
        1.2.2 RGB-D視頻人體異常行為檢測(cè)方法的國內(nèi)外研究現(xiàn)狀
        1.2.3 RGB-D視頻人體異常行為檢測(cè)方法的發(fā)展趨勢(shì)
    1.3 論文的研究內(nèi)容及結(jié)構(gòu)安排
        1.3.1 論文研究內(nèi)容
        1.3.2 論文的結(jié)構(gòu)安排
第2章 基于KINECT的RGB-D深度數(shù)據(jù)采集原理及方法
    2.1 引言
    2.2 Kinect深度傳感器
        2.2.1 Kinect深度傳感器組成及原理
        2.2.2 OpenNI開放式自然操作軟件框架
    2.3 RGB-D深度數(shù)據(jù)的獲取原理及方法
    2.4 RGB-D深度數(shù)據(jù)的儲(chǔ)存方法
    2.5 RGB-D深度數(shù)據(jù)的表示方法
    2.6 小結(jié)
第3章 RGB-D視頻人體骨架特征提取算法研究
    3.1 引言
    3.2 目標(biāo)檢測(cè)算法概述
        3.2.1 幀間差分法
        3.2.2 背景減除法
        3.2.3 光流法
    3.3 基于背景減除法的目標(biāo)檢測(cè)算法
        3.3.1 基于平均建模的目標(biāo)檢測(cè)
        3.3.2 基于自適應(yīng)高斯模型的目標(biāo)檢測(cè)
    3.4 RGB-D視頻人體關(guān)節(jié)點(diǎn)識(shí)別算法
        3.4.1 人體關(guān)節(jié)點(diǎn)識(shí)別算法步驟
        3.4.2 Random forest隨機(jī)森林算法
    3.5 RGB-D視頻基于關(guān)節(jié)角度的人體骨架特征表示方法
        3.5.1 關(guān)節(jié)角度的定義
        3.5.2 人體姿態(tài)的骨架特征表示方法
        3.5.3 人體行為的骨架特征表示方法
    3.6 實(shí)驗(yàn)結(jié)果與分析
        3.6.1 多視角的人體骨架特征提取實(shí)驗(yàn)
        3.6.2 多觀察距離的人體骨架特征提取實(shí)驗(yàn)
        3.6.3 跌倒后的人體骨架特征提取實(shí)驗(yàn)
        3.6.4 多人目標(biāo)人體骨架特征提取實(shí)驗(yàn)
    3.7 小結(jié)
第4章 RGB-D視頻基于人體骨架特征的異常行為檢測(cè)算法研究
    4.1 引言
    4.2 人體異常行為檢測(cè)的定義
    4.3 RGB-D視頻基于人體骨架特征信息熵的人體異常行為檢測(cè)算法
        4.3.1 信息熵定義及基本概念
        4.3.2 混亂異常行為中人體骨架特征信息熵的數(shù)據(jù)分析實(shí)驗(yàn)
        4.3.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 RGB-D視頻基于多特征融合的人體異常行為檢測(cè)算法
    4.5 小結(jié)
第5章 RGB-D視頻人體異常行為檢測(cè)系統(tǒng)設(shè)計(jì)
    5.1 引言
    5.2 系統(tǒng)開發(fā)環(huán)境
        5.2.1 Matlab環(huán)境下MEX混合編程
        5.2.2 Matalb環(huán)境下并行計(jì)算
    5.3 系統(tǒng)程序設(shè)計(jì)
        5.3.1 程序系統(tǒng)框圖
        5.3.2 RGB-D視頻采集模塊
        5.3.3 人體骨架特征提取模塊
        5.3.4 人體異常行為檢測(cè)模塊
        5.3.5 視頻輸出顯示模塊
    5.4 小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表論文與研究成果清單
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于多條件隨機(jī)場(chǎng)模型的異常行為檢測(cè)[J]. 葉璐,郭立,劉皓.  通信技術(shù). 2014(06)
[2]基于DMC-HMM模型的視頻異常行為檢測(cè)[J]. 岳猛,郭春生.  杭州電子科技大學(xué)學(xué)報(bào). 2014(03)
[3]隨機(jī)森林方法研究綜述[J]. 方匡南,吳見彬,朱建平,謝邦昌.  統(tǒng)計(jì)與信息論壇. 2011(03)
[4]自適應(yīng)混合高斯背景模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 黃鑫娟,周潔敏,劉伯揚(yáng).  計(jì)算機(jī)應(yīng)用. 2010(01)
[5]一種基于背景減除與三幀差分的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 莫林,廖鵬,劉勛.  微計(jì)算機(jī)信息. 2009(12)
[6]視頻監(jiān)控圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)方法綜述[J]. 丁忠校.  電視技術(shù). 2008(05)
[7]運(yùn)動(dòng)目標(biāo)檢測(cè)算法的探討[J]. 萬纓,韓毅,盧漢清.  計(jì)算機(jī)仿真. 2006(10)
[8]幀間差分與背景差分相融合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 朱明旱,羅大庸,曹倩霞.  計(jì)算機(jī)測(cè)量與控制. 2005(03)

碩士論文
[1]監(jiān)控視頻中的人體異常行為檢測(cè)研究[D]. 杜鑒豪.浙江大學(xué) 2010



本文編號(hào)：3712736