基于视频的人体行为分析算法的研究的中期报告.docx

基于视频的人体行为分析算法的研究的中期报告
中期报告：
1.研究目的：
基于视频的人体行为分析可以在人类互动、智能视频监控等领域发挥重要作用。本研究旨在通过对人体行为进行建模和分析，实现对人体行为的自动识别与分类。
2.研究方法：
针对基于视频的人体行为分析，本研究采用了三种主要方法：特征提取、分类算法和数据集准备。
(1)特征提取
采用将RGB图像转换为HSV图像方式，提取出HSV图像的H、S、V三个分量，然后通过颜色直方图、灰度直方图、梯度直方图等方式提取特征。
(2)分类算法
基于KNN、SVM、随机森林等分类算法进行模型训练和测试。
(3)数据集准备
采用大量真实场景视频数据并手动标注成10个类别，包括：走路、跑步、站立、坐着、打招呼、拥抱、握手、摔倒、抢夺物品、携带物品。
3.研究进展：
本研究已经完成了以下工作：
(1)完成了视频数据集的收集和标注
(2)完成了HSV颜色空间中三个通道的特征提取
(3)完成了三种分类算法模型的训练和测试
(4)提出了一种基于特征融合的分类算法，相较于其它分类算法，取得了更好的分类效果
(5)开发了一个人体行为识别的Demo，并进行了测试
4.下一步工作：
(1)探索更好的特征提取方式，提高模型的识别准确度
(2)研究复杂场景下行为识别的模型
(3)探索基于深度学习的人体行为分析算法
(4)完善Demo并进行推广和应用
5.论文写作：
目前已撰写了初稿，待继续完善。初步论文结构为：绪论、研究方法、数据集准备、实验结果与讨论、结论、参考文献等。预计今年年底可以完成整个论文。