基于人体检测的异常行为识别(2)

菜单

2.3 形态学处理 12

2.4 相关实验 · 13

3 特征提取 18

3.1 常用图像特征 · 18

3.2 矩特征 19

3.3 实验结果和分析 21

4 分类识别 23

4.1 基于隐马尔可夫模型的分类识别 · 23

4.2 K 均值聚类算法 25

4.3 实验结果和分析 26

结论 28

致谢 30

参考文献 · 31

1 绪论

本文主要研究对单个对象进行基于人体检测的异常行为识别，这综合应用计算机视觉技术的问题，涉及到模式识别与图像处理。计算机视觉技术在社会各个领域有着广泛的应用，其中由于与人们的生活安全密切相关，高效的智能视频监控技术是当今研究的热点与前沿。本文选择视频监控中较为基础典型的单一对象固定视角运动视频进行研究实验。

1.1 研究背景和意义

计算机视觉是一个涉及各个领域的新兴学科[1]。人类视觉是一个感受到视觉刺激，并对其作出反应的复杂系统，如图 1- 1 所示：眼睛捕获图像，转化为生物信号后由神经传递，最终大脑分析并得到我们所“看”到的。

视觉感知过程

图 1- 1 视觉感知过程与此类似，分别由摄像机、计算机代替人眼、大脑，从捕捉到的图像中分析并提

取信息，最终做出相关反应，这就是计算机视觉[1]。是使计算机能自主适应不同的环境，这是计算机视觉的最终研究目的，这样计算机才能真正像人一样主动地认识世界，实现人工智能[6]。如今随着机器学习领域的突破与推广，未来出现泛用智能的计算机视觉产品的可能性不断提高。

计算机视觉的相关研究运用了多门学科的理论基础。它的许多基础算法运用的就是统计学、几何学等方面的数学方法。它研究的图像，反映了光照与反射的物理过程，而诸如流体运动的难题也可通过计算机视觉技术解决[6]。人们可以通过建造智能的计算机视觉系统，来部分模拟生物的视觉机能，这对研究神经生物学很有帮助[7]。

虽然计算机视觉的相关设想很早就被提出，但直到计算机的性能不断提高，并且可以处理视频等大规模数据时，它才真正得到关注并开始不断发展。鉴于应用场景的多变和复杂性，人们现在只能解决在特定场合或条件下的计算机视觉问题，例如我们可以分别实现对指纹、人脸、行人等的智能识别。他们往往是根据待测对象的特征编写程序，以让计算机能完成特定的任务。