人体动作识别技术

　　鉴于此，一些研究者开始使用光流特征[14] [15] 。Efros 等为了提高低分辨率图像序列中运动信息提取的鲁 棒性，构造了新的基于光流的描述子用于在线] 。其主要思想是把光流场先分为水平、竖

　　直两种通道，然后每个通道再分为左、右两个通道， 然后利用高斯滤波器对四个通道进行滤波，最后进

　　行归一化得到运动描述子。Wang 等人受到图像分类 中的密集采样方法的启发，提出利用密集光流特征

　　随着视频获取设备和宽带网络的快速普及和发 的活动，不论是从安全、监控、娱乐，还是个人存

　　展，视频已成为信息的主要载体，且视频数据的数 量呈爆炸式增长，每时每刻都会有大量新的内容产

　　档的角度，对视频中人体动作识别进行研究具有重 要的学术和应用价值[1] 。基于视觉的人体动作识别

　　体可分为三类： 即非参数方法、立方体分析方法以 及参数化时间序列分析的方法[1] 。非参数方法通常 从视频的每一帧中提取某些特征，然后用这些特征 与预先存储的模板(template)进行匹配；立方体分析 方法不是基于帧的处理，而是将整段视频数据看作 是一个三维的时空立方体进行分析；而参数化时间 序列分析的方法对运动的动态过程给出一个特定的 模型，并通过对训练样本数据的学习获得每一类动 作特定的模型参数，其中比较常用的模型包括：隐 马尔可夫模型(HMMS, Hidden Markov Models)，线 性动态系统(LDSs, Linear Dynamical Systems)等。

　　和保存的动作原型之间做形状匹配来完成动作识别 [5] ，其中，形状信息是以通过 Canny 边缘检测器检

　　种自底向上的方式从二维图像序列中恢复三维结构 信息。人体动作分析属于其中的高层视觉部分，近

　　从视频序列中提取出有效的运动特征是人体动 作识别中重要的一环，直接影响到动作识别的准确 度和鲁棒性，且同一特征对不同类别人体动作的描 述能力并不相同。因此，我们依据视频质量和应用 场景的不同，往往要选用不同类型的特征，这与具 体的应用场景以及研究者所关心的动作类别均有关 系。比如：在远景情况下，可以利用目标的运动轨 迹进行轨迹分析；而近景情况下，则需利用从图像 序列中提取的信息对目标的四肢与躯干进行二维或 三维的建模。

　　上述轨迹特征在物体检测、跟踪或是识别效果 不理想的情况下极易出错，尤其是在复杂的场景下。

　　位置，从而实现动作识别的目的。Liu 等用菲德勒嵌 入（Fiedler Embedding）的方法将旋转图像（Spin

　　1)(中国科学院智能信息处理重点实验室, 中国科学院计算技术研究所, 北京 100190) 2)(中国科学院大学，北京 100190)

　　——————————————— 收稿日期：2011年9月30日；最终修改稿收到日期：2013年6月27日 .本课题得到国家重点基础研究发展计划(973计划)项目课题(2009CB320906)、国 家自然科学基金(61025011, 61133003, 61035001, 61003165)、北京市自然科学基金(4111003)资助. 胡琼，女，1986年生，博士生（Rutgers, The State University of New Jersey），主要研究领域为计算机视觉与模式识别，. 秦磊(通讯作者)，男，1977年生，博士， 副研究员，计算机学会(CCF)会员（E200021256M）,主要研究领域为计算机视觉与模式识别， 黄庆明，男，1965年生，博士，教 授，博士生导师，国家杰出青年科学基金获得者，主要研究领域为多媒体分析、图像处理、计算机视觉、模式识别等,.cn. 手机号码:, E-mail:.cn

　　杂，运动对象较多的场景中尤为困难。因而有很多 研究者ued体育尝试新的研究思路，不再进行目标分割、目

　　本文将分别从动作识别特征、动作识别方法、 相关国际竞赛与常用数据库、研究难点与可能的发

　　静态特征主要描述的是人体目标的尺寸、颜色、 边缘[5] 、轮廓、形状[6] 和深度[9] 等。静态特征可以

　　计基于视觉的人体动作识别是图像处理、计算机视觉、模式识别、机器学习、人工智能等多个学科的交叉研究课题，

　　算 在视频监控、视频检索、人机交互、虚拟现实、医疗看护等领域具有深远的理论研究意义和很强的实用价值。本文从特征提

　　取的方法、动作识别的方法、相关国际竞赛与常用数据库、研究难点与可能的发展方向等方面详细阐述该领域目前的研究现

　　常见的形状、轨迹、光流、局部时空兴趣点等 特征可以分为以下四类（如表 1 所示）：基于轮廓和 形状的静态特征，基于光流或运动信息的动态特征， 基于时空立方体的时空特征以及描述性特征。

　　学习并理解其中人的动作和行为[2] 。一般在运动检 测、特征提取的基础之上，通过分析获得人体运动 模式，建立视频内容和动作类型描述之间的映射关 系，以使计算机能够“看”视频或“理解”视频。 基于视觉的人体动作识别主要包含以下三个步骤：

　　的线 年 Johansson 通过经典的移动光 斑实验 (Moving Light Display) 心理物理学实验，证 实了仅通过观察连接在人体关节处的灯光信息，人 能够准确识别出走、跑、上楼梯等动作，甚至能够 从步态信息中识别出演员的性别和身份[10] ，预示了

　　近年来，人体动作识别的研究任务也在逐步地 发展，对计算机视觉领域提出了一些新的挑战。从