基于视觉的人体行为分析是计算机视觉领域的一个研究热点,在智能视频监控、人体运动分析、自然人机交互、虚拟现实以及视频编解码与传输等方面具有广阔的应用前景。由于人体运动自身的复杂性以及环境的多样性,使得人体行为识别具有很大的挑战性。因此,研究基于视觉的运动人体行为分析具有非常重要的理论意义和实用价值。本文围绕基于视觉的人体行为分析的相关问题展开研究,主要包括运动目标提取、目标跟踪、特征提取以及人体行为识别算法四个方面。1.在运动目标检测方面,提出了一种改进的运动目标检测算法。采用Surendra背景减除法从背景中提取出前景区域,并采用动态阈值修正来适应场景的变化,同时利用四帧差分算法得到运动目标,然后将两种方法得到的二值化图像进行逻辑“或”运算,最后经过图像后处理,最终得到完整的运动目标。2.在运动目标跟踪方面,在分析现有跟踪方法的基础上,利用OpenCV技术实现了一种基于改进粒子滤波的团块跟踪算法。其中,改进粒子滤波算法的思想是在粒子滤波器的框架下利用均值漂移(Mean Shift)算法对每个粒子进行优化。实验证明,本文算法提高了跟踪速度,同时也能避免Mean Shift跟丢及相互遮挡的问题。3.在特征提取方面,本文采用改进的Hu矩提取运动人体的七个不变矩特征,通过提取运动人体轮廓及人体最小正外接矩形得到运动人体的轮廓周长及面积、外接矩形周长及面积,从而计算出人体的高宽比、周长比、占空比作为人体运动特征,最后将不变矩特征和运动特征组合成向量的形式,一起作为分类器的输入。4.在人体行为识别方面,本文采用基于不同核函数的多类SVM对人体行为进行分类和识别,并对不同核函数的识别率进行比较。