摘 要:随着视频监控技术的不断发展，面向安防监控领域的图像特征提取技术和特征识别技术在国际与国内相关领域受到了广泛的关注，特别是融合特征提取与特征识别技术的智能识别系统成为了当今视频图像领域研究的热点。

-本文系统通过对视频图像序列进行处理，让计算机在不需要人参与的情况下，实现人体的检测与跟踪、人体动作特征的提取和人体动作特征的识别，从而实现智能化控制。

-本文的主要工作包括：

第一，在人体检测和跟踪方面，主要介绍了背景减除法和帧间差分法等人体检测算法，基于点集、基于内核和基于轮廓的人体跟踪算法，并对各自的优缺点进行了分析。

第二，在人体动作特征提取方面，阐述了形状、运动、时空和混合等四种人体特征和其各自的检测算法，并对这些特征的降维方法做了介绍。

第三，在人体动作特征识别方面，本文对常用的四种识别方法进行了分析，包括基于模板匹配的方法、基于向量空间的方法、基于语义的方法和支持向量机的方法，最后根据上述方法建立了词袋思想模型和混合高斯模型。

第四，实现了基于Microsoft Visual Studio 2010和OpenCV的智能识别系统的设计，该系统能够实现对视频图像序列中指定特征进行识别，并显示识别结果。

关键词：视频监控；人体检测与跟踪；特征提取；特征识别；智能识别系统

目录

摘要

abstract

第1章 绪论-1

1.1 选题的背景和意义-1

1.2 国内外研究现状与相关综述-1

1.2.1 国内外研究现状-1

1.2.2 相关研究综述-2

1.3 主要研究内容和论文结构-3

1.3.1 主要研究内容-3

1.3.2 论文组织形式-3

第2章 人体检测与跟踪-5

2.1 人体检测-5

2.1.1 帧间差分法-5

2.1.2 光流法-6

2.1.3 背景减除法-6

2.1.4 基于HOG特征检测法-7

2.2 形态学操作处理-8

2.2.1 腐蚀-8

2.2.2 膨胀-8

2.2.3 开运算-8

2.2.4 闭运算-9

2.3 人体跟踪-10

2.3.1 基于点集的跟踪方法-10

2.3.2 基于内核的跟踪方法-11

2.3.3 基于轮廓的跟踪方法-12

2.4 本章小结-12

第3章 人体动作特征提取-15

3.1 形状特征-15

3.1.1 全局特征-15

3.1.2 局部特征-16

3.2 运动特征-17

3.3 时空特征-17

3.3.1 MEI特征-17

3.3.2 MHI特征-17

3.4 混合特征-18

3.5 动作特征降维处理-18

3.5.1 主成分分析法-18

3.5.2 二维主成分分析法-19

3.5.3 局部线性嵌入算法-19

3.5.4 小波变换-20

3.6 图像纵横比-20

3.5 本章小结-21

第4章 人体动作特征识别-23

4.1 动作特征识别方法-23

4.1.1 基于模板匹配的方法-23

4.1.2 基于状态空间的方法-24

4.1.3 基于语义的方法-26

4.1.4 支持向量机-26

4.2 动作特征识别系统模型-27

4.2.1 词袋思想模型-27

4.2.2 混合高斯模型-27

4.3 本章小结-29

第5章 智能识别系统搭建-31

5.1 检测与跟踪模块-32

5.2 动作提取模块-32

5.3 动作识别模块-33

5.4 信息管理模块-34

5.5 参数设置模块-35

5.6 本章小结-35

第6章 结论与展望-37

6.1结论-37

6.2不足之处及未来展望-37

参考文献-39

致  谢-41

附录A： 部分程序-43