人体行为识别概述课件.ppt

1、人体人体行为识别行为识别Page 2人体人体行为识别的行为识别的流程流程 n 目标的运动特征，可以用于运动表目标的运动特征，可以用于运动表述，是行为理解等高层部分的基础。述，是行为理解等高层部分的基础。n 常见的运动表述方法有：常见的运动表述方法有：运动轨迹、运动轨迹、时空图表述时空图表述和光流。和光流。Page 3目录目录目标检测目标检测目标分类目标分类特征提取特征提取行为理解行为理解目标跟踪目标跟踪Page 4目目标检测标检测n 对于不依赖先验知识的目标跟踪来讲，运动检测是实现跟踪的第一步对于不依赖先验知识的目标跟踪来讲，运动检测是实现跟踪的第一步n 运动检测即为从序列图像中将变化区域从背

2、景图像中提取出来。运动检测即为从序列图像中将变化区域从背景图像中提取出来。Page 5目标检测目标检测时间差分法时间差分法n 在连续的图像序列中在连续的图像序列中两幅或三幅相邻帧两幅或三幅相邻帧之间采用之间采用基于像素基于像素的时间差分，的时间差分，并对差分结果进行并对差分结果进行阈值化处理阈值化处理以以提取提取图像中的图像中的前景前景运动区域。运动区域。n 缺点：缺点：n 前景、背景区域的确定与前景、背景区域的确定与阈值的选取阈值的选取有很大的关系有很大的关系 当灰度图像序列对比度较低时，由于相邻两帧的差当灰度图像序列对比度较低时，由于相邻两帧的差(前景与背景之差前景与背景之差)的范围很小，

3、的范围很小，阈值难以选取阈值难以选取，影响前景目标的分割结果。，影响前景目标的分割结果。n 区域区域灰度值灰度值变化较为变化较为平坦时平坦时，容易在人体二值图像内产生，容易在人体二值图像内产生空洞现象空洞现象，给后续的目标分类、跟踪和识别造成不便。给后续的目标分类、跟踪和识别造成不便。n 优点：优点：n 对于对于动态环境动态环境有有较强较强的自的自适应性适应性Page 6目标检测目标检测光流法光流法n 基于光流法的运动检测，是利用运动物体随时间变化在图像中表现的基于光流法的运动检测，是利用运动物体随时间变化在图像中表现的光流特性，通过计算位移向量光流场来提取运动目标。光流特性，通过计算位移向量

4、光流场来提取运动目标。n 光流是空间运动物体在观测成像面上对应像素运动的瞬时速度，是空光流是空间运动物体在观测成像面上对应像素运动的瞬时速度，是空间物体可见点的三维速度矢量在成像平面上的投影，它携带了丰富的间物体可见点的三维速度矢量在成像平面上的投影，它携带了丰富的运动和结构信息。运动和结构信息。n 优点优点：n 即使在摄像机运动的情况下也能检测出独立的运动目标。即使在摄像机运动的情况下也能检测出独立的运动目标。n 缺点缺点：n 由于噪声、多光源、阴影和遮挡等原因，计算出的光流场分布并不十由于噪声、多光源、阴影和遮挡等原因，计算出的光流场分布并不十分可靠和准确。分可靠和准确。n 多数光流法计算

5、复杂、耗时，在实际的系统中没有特殊的硬件支持时，多数光流法计算复杂、耗时，在实际的系统中没有特殊的硬件支持时，很难实现实时检测。很难实现实时检测。Page 7目标检测目标检测背景减除法背景减除法n 最常用且有效的是背景减除法。最常用且有效的是背景减除法。n 背景减除法最简单的实现方法是预先选取不含前景运动目标的背景图背景减除法最简单的实现方法是预先选取不含前景运动目标的背景图像，然后将当前图像帧与背景图像相减得到前景目标。像，然后将当前图像帧与背景图像相减得到前景目标。n 背景减除法通常在背景减除法通常在摄像机固定的情况下使用摄像机固定的情况下使用，关键关键是建立随场景变化是建立随场景变化不断

6、更新的背景模型不断更新的背景模型。n 有有两类两类常用的背景更新方法常用的背景更新方法:n 1、建立背景模型并采用自适应方法对模型参数进行调整，从而获得、建立背景模型并采用自适应方法对模型参数进行调整，从而获得新背景图像新背景图像;n 2、从过去的一组观测图像中按一定的假设选择像素值构成当前背景、从过去的一组观测图像中按一定的假设选择像素值构成当前背景图像。图像。Page 8目标分类目标分类Page 9人体描述人体描述 Page 10运动跟踪运动跟踪参考文献：运动目标跟踪算法研究综述n 运动目标的跟踪，即通过目标的有效表达，在图像序列中寻找与目标运动目标的跟踪，即通过目标的有效表达，在图像序列

7、中寻找与目标模板最相似候选目标区位置的过程。模板最相似候选目标区位置的过程。n 就是在序列图像中为就是在序列图像中为目标定位目标定位。n 范例范例Page 11四种跟踪方法的比较四种跟踪方法的比较。Page 12目标特目标特征征Page 13运动表征运动表征。Page 14人体人体行为识别行为识别n 人的行为理解与描述是指对人的运动模式进行分析和识别人的行为理解与描述是指对人的运动模式进行分析和识别,并用自然语并用自然语言等加以描述言等加以描述.n 可以简单地认为是时变数据的分类问题，即将测试序列与预先标定的代可以简单地认为是时变数据的分类问题，即将测试序列与预先标定的代表典型行为的参考序列进

8、行匹配表典型行为的参考序列进行匹配.n 行为理解的行为理解的关键问题关键问题是如何从学习样本中是如何从学习样本中获取参考行为序列获取参考行为序列,并且学习并且学习和匹配的行为序列能够处理在相似的运动模式类别中空间和时间尺度上和匹配的行为序列能够处理在相似的运动模式类别中空间和时间尺度上轻微的特征变化轻微的特征变化.Page 15人体人体行为识别方行为识别方法法Page 16基于模板匹配的方法基于模板匹配的方法n 首先将图像序列转换成一组静态形状模式首先将图像序列转换成一组静态形状模式n 然后在识别过程中用输入图像序列提取的特然后在识别过程中用输入图像序列提取的特征与在训练阶段预先存储的动作行为

9、模板进征与在训练阶段预先存储的动作行为模板进行行相似度比较相似度比较，在比较数据可以有轻微变化，在比较数据可以有轻微变化下识别人体行为。下识别人体行为。M H V(Motion History Volumes)Page 17基于模板匹配的方法之基于模板匹配的方法之DTWn DTW（dynamic time warping）动态时间规整动态时间规整n DTW是一种时变数据序列匹配方法是一种时变数据序列匹配方法n DTW 优点：概念简单、算法鲁棒，能够对图像序列进行分类。优点：概念简单、算法鲁棒，能够对图像序列进行分类。n DTW缺点：算法计算量较大，缺乏考虑相邻时序之间的动态特性，缺点：算法计算

10、量较大，缺乏考虑相邻时序之间的动态特性，而在实际中，运动序列中相邻序列在时间和空间上有高度的相关性。而在实际中，运动序列中相邻序列在时间和空间上有高度的相关性。Page 18基于状态空间的方法基于状态空间的方法n 将图像序列中的每个将图像序列中的每个静态姿势或运动状态作为一个状态节点静态姿势或运动状态作为一个状态节点，这些状，这些状态节点之间由给定的概率联系起来。态节点之间由给定的概率联系起来。n 任何的任何的动作序列动作序列可以认为是这些静态动作在不同状态节点中的可以认为是这些静态动作在不同状态节点中的一次遍一次遍历过程历过程，计算这个遍历过程的联合概率，计算这个遍历过程的联合概率，取其最大

11、值取其最大值作为分类标准。作为分类标准。n 基于状态空间的方法已经被广泛应用于基于状态空间的方法已经被广泛应用于预测、估计和检测预测、估计和检测时间序列。时间序列。Page 19基于状态空间的方法基于状态空间的方法HMM隐马尔可夫模型的基本结构隐马尔可夫模型的基本结构Page 20基于状态空间的方法基于状态空间的方法DBNsn 动态贝叶斯网络动态贝叶斯网络(dynamic Bayesian networks，DBNs)由于由于HMMs不能有效处理三个或三个以上独立的过程，作为不能有效处理三个或三个以上独立的过程，作为HMMs的推广方法。的推广方法。n 是一种对随机过程描述的有向图解是一种对随机

12、过程描述的有向图解n 利用先验知识建立视觉特征之间的因果关系来处理视频处理中固有的利用先验知识建立视觉特征之间的因果关系来处理视频处理中固有的不确定性问题。不确定性问题。n 优点：优点：n 可以任意改变拓扑结果或增删变量以反映变量间各种不同的关联关系，可以任意改变拓扑结果或增删变量以反映变量间各种不同的关联关系，而不影响训练算法本身，因此具有而不影响训练算法本身，因此具有良好的可解释性良好的可解释性，其拓扑结构具有，其拓扑结构具有精确及易于理解的概率语义精确及易于理解的概率语义。n 相比马尔可夫链，贝叶斯网络训练比较复杂。相比马尔可夫链，贝叶斯网络训练比较复杂。Page 21基于状态空间的方法

13、基于状态空间的方法ANNn 人工神经网络是由人工建立的以有向图为拓扑结构的动态系统，它通人工神经网络是由人工建立的以有向图为拓扑结构的动态系统，它通过对连续或断续的输入作状态响应而进行信息处理，在分析时变数据过对连续或断续的输入作状态响应而进行信息处理，在分析时变数据时具有很大的优势。时具有很大的优势。n 缺点：需要用大量的数据来训练网络缺点：需要用大量的数据来训练网络n TDNN(time-delay neural network)时延神经网络时延神经网络n 是在多层前馈感知器神经网络模型中引入时延单元使得神经网络增加是在多层前馈感知器神经网络模型中引入时延单元使得神经网络增加记忆功能；记忆

14、功能；n 时变序列的前述值被用来预测下一个值。由于大量数据集成为可能，时变序列的前述值被用来预测下一个值。由于大量数据集成为可能，时延神经网络的重点就可以放在时分信息的表达时延神经网络的重点就可以放在时分信息的表达n 这样由此导出的神经网络模型适合应用于处理序列数据。这样由此导出的神经网络模型适合应用于处理序列数据。Page 22基于状态空间的方法基于状态空间的方法SVMn 支持向量机支持向量机(support vector machine，SVM)n 优点：优点：n 能够较好地解决常见的非线性分类问题中的小样本、非线性、高维数能够较好地解决常见的非线性分类问题中的小样本、非线性、高维数和局部

15、极小点等实际问题和局部极小点等实际问题n 可以避免神经网络结构选择和局部极小点问题可以避免神经网络结构选择和局部极小点问题Page 23两种方法比较两种方法比较n 模板匹配方法的优点是计算复杂度低、操作和实现简单，但缺乏考虑模板匹配方法的优点是计算复杂度低、操作和实现简单，但缺乏考虑运动序列中相邻时序之间的动态特性，对于噪声和运动时间间隔的变运动序列中相邻时序之间的动态特性，对于噪声和运动时间间隔的变化相当敏感。化相当敏感。n 状态空间方法虽然能克服模板匹配的缺点，但通常涉及到复杂的迭代状态空间方法虽然能克服模板匹配的缺点，但通常涉及到复杂的迭代运算，算法的步骤较为复杂，难以应用到实际工作中。

16、运算，算法的步骤较为复杂，难以应用到实际工作中。Page 24基于语义的描述方法基于语义的描述方法n 用一种形式化的语法格式：主语（人）、谓语（人的动作）、宾语用一种形式化的语法格式：主语（人）、谓语（人的动作）、宾语（实物），将场景中人的活动情况用填空的形式填入语法格式中，产（实物），将场景中人的活动情况用填空的形式填入语法格式中，产生对场景的自然语言描述。生对场景的自然语言描述。n 基于语义描述的方法是对在一段持续时间内场景内容的分析过程基于语义描述的方法是对在一段持续时间内场景内容的分析过程n 目前还处于对场景中人体行为的简单语义解释目前还处于对场景中人体行为的简单语义解释n 对复杂场景

17、中人体复杂行为有效的充分的语义描述还有相当艰巨的工对复杂场景中人体复杂行为有效的充分的语义描述还有相当艰巨的工作要做作要做Page 25行为的分层模型行为的分层模型n 常用的概念常用的概念n pose、actions、activitiesn action/motor primitivesn Human action recognitionn Motion analysisn Action detectionn Automatic Target Recognitionn Behavior understandingn visual analysis26龙腾视觉龙腾视觉(北京北京)科技有限公司科技有限公司