摘要：本文針對(duì)國(guó)內(nèi)外安全視頻監(jiān)控的需求，分析概述了目前對(duì)于人體異常行為分析的研究技術(shù)，主要介紹Hu不變矩的人體行為識(shí)別算法，并通過(guò)實(shí)驗(yàn)驗(yàn)證了該方法具有實(shí)現(xiàn)簡(jiǎn)單、魯棒性較好的優(yōu)點(diǎn)，能夠?qū)崿F(xiàn)人體異常行為的分析研究。

關(guān)鍵詞：視頻監(jiān)控；行為分析；Hu不變矩

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007—9599 （2012） 14—0000—02

一、引言

運(yùn)動(dòng)人體的行為分析作為視頻監(jiān)控領(lǐng)域的一個(gè)研究熱點(diǎn)和難點(diǎn)，是計(jì)算機(jī)領(lǐng)域的高層處理環(huán)節(jié)，它建立在視頻圖像序列中，人體運(yùn)動(dòng)區(qū)域檢測(cè)追蹤的基礎(chǔ)上。首先通過(guò)運(yùn)動(dòng)目標(biāo)檢索，提取監(jiān)控視頻中的運(yùn)動(dòng)目標(biāo)，然后進(jìn)行運(yùn)動(dòng)目標(biāo)行為分析研究，使視頻監(jiān)控人員有效的發(fā)現(xiàn)和處理緊急事件。

二、運(yùn)動(dòng)人體行為分析方法

運(yùn)動(dòng)人體行為分析涉及圖像處理的行為分析識(shí)別技術(shù)，學(xué)習(xí)樣本及對(duì)運(yùn)動(dòng)行為分類的難度較大。目前，對(duì)運(yùn)動(dòng)人體行為分析技術(shù)的研究仍然處于一個(gè)起步階段，主要的研究技術(shù)集中在模板匹配方法和狀態(tài)轉(zhuǎn)移方法上。

（一）模板匹配算法

模板匹配算法是一種比較識(shí)別算法。模版匹配算法通過(guò)計(jì)算，比較靜態(tài)圖像中提取的模版特征相似度，并進(jìn)行識(shí)別。目前，較為常用的是一種二維網(wǎng)絡(luò)模板匹配算法，它通過(guò)對(duì)連續(xù)幀間的光流場(chǎng)沿著X和Y軸方向進(jìn)行分解，對(duì)每個(gè)單元格的幅度累加計(jì)算，得到用于進(jìn)行識(shí)別的向量。它的優(yōu)點(diǎn)是計(jì)算量小，實(shí)現(xiàn)簡(jiǎn)單，能較為滿意的實(shí)現(xiàn)對(duì)人體行為特征的分析研究。

（二）狀態(tài)空間法

狀態(tài)空間法是一種對(duì)常見人體行為特征的遍歷過(guò)程，通過(guò)某種概率值來(lái)定義每種靜態(tài)姿勢(shì)的直接轉(zhuǎn)換，將人體行為特征遍歷過(guò)程的聯(lián)合概率密度的最大值作為行為特征的分類。最前最為常用的狀態(tài)空間法是隱馬爾可夫模型，是一種對(duì)離散時(shí)間序列進(jìn)行研究分析的概率方法。它的優(yōu)點(diǎn)是對(duì)運(yùn)動(dòng)時(shí)間的間隔不敏感，缺點(diǎn)是迭代運(yùn)算復(fù)雜，計(jì)算量較大。

三、基于Hu不變矩的行為分析

（一）Hu不變矩

不變矩理論是由Hu于1962年提出的一種基于區(qū)域的不變理論，廣泛的應(yīng)用于計(jì)算機(jī)處理和模式識(shí)別之中。不變矩理論具有較好的旋轉(zhuǎn)、平移和拉伸不變性，廣泛的應(yīng)用于圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域之中。

Hu不變矩是圖像的一種形狀特征，較多用于運(yùn)動(dòng)物體的描述，由于它具有較好的不變性，能很好的應(yīng)用于模板匹配算法進(jìn)行運(yùn)動(dòng)行為的分析研究。中心距的定義為：

式中， ， 是圖像區(qū)域的質(zhì)心坐標(biāo)， 為數(shù)字圖像。Hu不變矩具有代數(shù)不變量，對(duì)于圖像的旋轉(zhuǎn)、平移都不敏感。通過(guò)計(jì)算代表人體的行為特征Hu不變矩，與定義的標(biāo)準(zhǔn)行為向量的歐式距離比較研究判斷人體行為特征的種類。

（二）行為分析過(guò)程

本文主要是采用基于Hu不變矩的模板匹配算法分析監(jiān)控視頻中的運(yùn)動(dòng)人體行為特征。首先，獲取了監(jiān)控視頻中人體的運(yùn)動(dòng)區(qū)域后，然后對(duì)人體的運(yùn)動(dòng)行為作出分析。本文的人體行為分析主要分為三個(gè)步驟，具體實(shí)現(xiàn)過(guò)程如下：

1.定義標(biāo)準(zhǔn)人體運(yùn)動(dòng)行為。首先，將人體正常行走和跑步定位為標(biāo)準(zhǔn)動(dòng)作，將一段包含正常行走和奔跑的人體運(yùn)動(dòng)圖像作為特征庫(kù)數(shù)據(jù)，提取它的Hu不變矩作為標(biāo)準(zhǔn)特征庫(kù)。

2.提取另外獲取的一段人體運(yùn)動(dòng)區(qū)域圖像的Hu不變矩向量，將它與標(biāo)準(zhǔn)特征庫(kù)向量進(jìn)行相似性比較，計(jì)算它們的歐式距離。

3.對(duì)比歐式距離與預(yù)先設(shè)定的閾值。如果結(jié)果大于閾值，則認(rèn)為這是一種人體的異常運(yùn)動(dòng)行為，對(duì)其進(jìn)行報(bào)警；如果結(jié)果小于閾值則認(rèn)為是一種正常運(yùn)動(dòng)行為，進(jìn)而指導(dǎo)監(jiān)控人員進(jìn)行判斷和處理。

四、實(shí)驗(yàn)結(jié)果及分析

分別選取了一段包含人體行走、跑步、蹲的圖像序列進(jìn)行算法的驗(yàn)證實(shí)驗(yàn)，分別提取上述三種行為的三幀圖像進(jìn)行Hu不變矩向量的描述，其結(jié)果記錄于下表中。

人體行為第一幀圖像第十幀圖像第十五幀圖像

通過(guò)對(duì)表1中Hu不變矩特征量分析，可以看出對(duì)于某一人體行為特征其Hu不變矩特征量分布較為集中，這樣我們便可以通過(guò)設(shè)定某一閾值來(lái)判斷兩幅圖像中的人體行為是否屬于同一類行為，然后再通過(guò)與標(biāo)準(zhǔn)特征圖像的對(duì)比進(jìn)而判斷該行為是否為異常行為。

五、結(jié)論

本文介紹了運(yùn)動(dòng)中人體行為分析技術(shù)的主要實(shí)現(xiàn)方法和算法，詳細(xì)闡述了基于Hu不變矩的行為分析方法，通過(guò)實(shí)驗(yàn)提取圖像的Hu不變矩實(shí)現(xiàn)了對(duì)運(yùn)動(dòng)人體行為特征的分析研究，實(shí)驗(yàn)證明該方法的可以有效的進(jìn)行人體行為識(shí)別。

參考文獻(xiàn)：

[1]張家廣.計(jì)算機(jī)圖形學(xué)[M].北京：清華大學(xué)出版社，1998.510—520

[2]William K Pratt.Digital Image Processing[M].北京：機(jī)械工業(yè)出版社，2005.360—373

[3]狄紅衛(wèi)，許瑤.數(shù)學(xué)形態(tài)學(xué)在圖象濾波中的應(yīng)用[J].暨南大學(xué)學(xué)報(bào)，2003，24（3）：42—45.

[4]王拴，艾海舟，何克忠.基于差分圖像的多運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤中國(guó)圖像圖形學(xué)報(bào)[J].1999，4（6）：470—475