摘要

人体行为识别是人工智能研究领域的重要课题之一,涉及模式识别,图像处理,计算机视觉,人工智能等多门学科,其研究成果被广泛地应用于智能监控、人机交互以及虚拟现实等很多领域中,引起了国内外研究机构和业界学者的广泛关注。人体行为识别一般包含人体检测,人体跟踪,行为理解与描述三个阶段。本文主要研究的是视频序列中简单行为的识别,例如常见的跳跃,跑步,行走,弯腰,挥手等。 为了提高识别的准确率,本论文采用了基于学习的人体行为识别方法,从人体的结构特性出发,提出了基于第二代Bandelet变换以及星型骨架模型的人体行为图像表示方法,并将其应用于机器学习方法的人体行为识别中。 本论文在寻找高效低...