改进Radon变换在人体行为识别中的应用
需积分: 10 121 浏览量
更新于2024-09-05
收藏 627KB PDF 举报
"本文介绍了一种改进的Radon变换方法,用于人体行为识别,解决了传统Radon变换对缩放敏感的问题。通过提取运动人体区域最小外接矩形的Radon特征,并结合隐马尔可夫模型进行行为识别,提高了特征的鲁棒性和识别效率。这种方法在处理噪声和简化计算方面表现出优势,适用于智能视频监控和基于内容的视频检索等领域。"
在人体行为识别领域,特征提取是至关重要的一步,它直接影响到识别的准确性和效率。传统的特征包括外观形状特征、运动特征和时空特征。外观形状特征,尤其是人体运动区域(silhouette)和轮廓(contour),由于其对环境因素的不敏感性,经常被用来作为识别的基础。然而,这些特征在面对人体大小变化或噪声时可能失效。
Radon变换作为一种有效的特征提取工具,因其计算简单和对噪声不敏感的特性而受到重视。但其固有的平移、缩放和旋转不变性的缺乏限制了其在行为识别中的广泛应用。为了克服这一问题,一些研究者提出了以人体运动区域的重心为原点进行Radon变换,以实现平移不变性。
本文提出的改进方法则更进一步,通过提取运动人体区域最小外接矩形的Radon特征,旨在同时解决缩放不变性问题。这种方法在提取特征时无需规范化处理,增强了特征的鲁棒性。此外,结合隐马尔可夫模型(HMM)进行行为识别,可以更好地捕捉行为的序列性和动态性,提高识别的准确性。
实验结果证实,该方法对噪声有良好的抵抗能力,计算复杂度较低,且识别效率高。这使得该技术在实际应用中,如智能视频监控系统和基于内容的视频检索系统中,具有很大的潜力。通过优化特征表示和识别模型,该方法为人体行为识别提供了一个新的有效途径,对于未来的研究和开发有着积极的影响。
这篇论文研究了如何通过改进的Radon变换来增强人体行为识别的性能,解决了传统方法在处理尺度变化和噪声时的不足,为该领域的研究提供了有价值的贡献。同时,它也强调了特征选择和模型构建在行为识别中的关键作用,对于后续的相关研究具有指导意义。
2019-09-07 上传
2019-09-12 上传
2022-04-18 上传
2022-07-12 上传
2021-09-14 上传
2021-09-23 上传
2022-04-18 上传
2021-07-10 上传
2021-09-03 上传
weixin_38744207
- 粉丝: 344
- 资源: 2万+
最新资源
- C++ Qt影院票务系统源码发布,代码稳定,高分毕业设计首选
- 纯CSS3实现逼真火焰手提灯动画效果
- Java编程基础课后练习答案解析
- typescript-atomizer: Atom 插件实现 TypeScript 语言与工具支持
- 51单片机项目源码分享:课程设计与毕设实践
- Qt画图程序实战:多文档与单文档示例解析
- 全屏H5圆圈缩放矩阵动画背景特效实现
- C#实现的手机触摸板服务端应用
- 数据结构与算法学习资源压缩包介绍
- stream-notifier: 简化Node.js流错误与成功通知方案
- 网页表格选择导出Excel的jQuery实例教程
- Prj19购物车系统项目压缩包解析
- 数据结构与算法学习实践指南
- Qt5实现A*寻路算法:结合C++和GUI
- terser-brunch:现代JavaScript文件压缩工具
- 掌握Power BI导出明细数据的操作指南