2.3 形态学处理 12

2.4 相关实验 · 13

3 特征提取 18

3.1 常用图像特征 · 18

3.2 矩特征 19

3.3 实验结果和分析 21

4 分类识别 23

4.1 基于隐马尔可夫模型的分类识别 · 23

4.2 K 均值聚类算法 25

4.3 实验结果和分析 26

结 论 28

致 谢 30

参 考 文 献 · 31

1 绪论

本文主要研究对单个对象进行基于人体检测的异常行为识别，这综合应用计算机 视觉技术的问题，涉及到模式识别与图像处理。计算机视觉技术在社会各个领域有着 广泛的应用，其中由于与人们的生活安全密切相关，高效的智能视频监控技术是当今 研究的热点与前沿。本文选择视频监控中较为基础典型的单一对象固定视角运动视频 进行研究实验。

1.1 研究背景和意义

计算机视觉是一个涉及各个领域的新兴学科[1]。人类视觉是一个感受到视觉刺激， 并对其作出反应的复杂系统，如图 1- 1 所示：眼睛捕获图像，转化为生物信号后由神 经传递，最终大脑分析并得到我们所“看”到的。

图 1- 1 视觉感知过程 与此类似，分别由摄像机、计算机代替人眼、大脑，从捕捉到的图像中分析并提

取信息，最终做出相关反应，这就是计算机视觉[1]。是使计算机能自主适应不同的环 境，这是计算机视觉的最终研究目的，这样计算机才能真正像人一样主动地认识世界， 实现人工智能[6]。如今随着机器学习领域的突破与推广，未来出现泛用智能的计算机 视觉产品的可能性不断提高。

计算机视觉的相关研究运用了多门学科的理论基础。它的许多基础算法运用的就 是统计学、几何学等方面的数学方法。它研究的图像，反映了光照与反射的物理过程， 而诸如流体运动的难题也可通过计算机视觉技术解决[6]。人们可以通过建造智能的计 算机视觉系统，来部分模拟生物的视觉机能，这对研究神经生物学很有帮助[7]。

虽然计算机视觉的相关设想很早就被提出，但直到计算机的性能不断提高，并且 可以处理视频等大规模数据时，它才真正得到关注并开始不断发展。鉴于应用场景的 多变和复杂性，人们现在只能解决在特定场合或条件下的计算机视觉问题，例如我们 可以分别实现对指纹、人脸、行人等的智能识别。他们往往是根据待测对象的特征编 写程序，以让计算机能完成特定的任务。