基于多支点骨骼模型的实时行为识别方法

行为识别在视频监控领域有着广泛的应用,现有方法在线识别时需要较大的计算量,很难达到实时要求,此外限于训练集自身的原因,训练出的模型很难涵盖不同的现实场景中出现的行为动作,难以满足视频监控的需求.为解决这些问题,提出一种实时的使用连续多帧轮廓骨骼特征的不变视角行为识别方法.该方法能提出了一种新颖简洁的多支点骨骼模型(MPSM)对人体目标及行为进行表达,通过分析MPSM相关连续特征,对行为动作的模式进行识别.实验表明:该方法能在视频监控平台上对弯腰行走,提袋行走,跑动等行为动作进行较为精准的识别.

基于字典学习的背景建模

针对智能视频监控中运动目标的检测,提出了一种基于字典学习的背景建模方法.结合时空域信息对视频中的每个位置进行字典学习来描述场景信息.利用背景频繁出现的特性,将字典中的词划分成描述背景的词和描述前景的词.用字典表达对应位置的结构,并根据字典中贡献最大词的属性对当前位置进行背景判断.根据判断的结果对字典进行实时更新.在公共的视频数据库上与传统的背景建模方法相比较,所提方法可以较好地检测出前景目标.