李東璐 四川大學計算機學院

1 引言

隨著科技的發(fā)展和人民生活水平的不斷提高，智能化產品已經大量融入人們的工作生活。當今的許多工廠擁有一系列生產線，大量的工人在自己的負責區(qū)完成重復性工作，如何保證工人效率和產品合格率是工廠最關注的問題。雇傭監(jiān)工會浪費財力和人力，并且不能夠保證客觀公正；工人們的工作成果是否符合要求只能通過最終產品檢驗得知，效率低下?；谏鲜錾鐣栴}，目標行為跟蹤分析對流水線工廠的意義十分深遠。

2 人體行為分析技術

人體行為分析的流程大致可以分為3個步驟：檢測出視頻中的運動人體，再進行運動特征提取建立模型，最后通過分類器進行行為描述和識別得到結果。

2.1 運動特征提取

運動特征的提取簡單來說就是從視頻或者一組圖像序列中提取出是計算機可以理解的信息，便于之后的數據分析。運動特征包括常用特征量和復雜背景量，其中常用特征量通過復雜度（人體邊界像素數與人體總像素數之比）、長寬比（人體最小外接矩形的長寬比）和緊湊度（人體像素和外接矩形內像素的比值）因素確定。首先可通過背景減圖和目標跟蹤算法識別出運動的人體，進行特征提取時，需要保證特征具有易于提取、較小的冗余、特征之間較強的獨立性、不同類別對象的特征值區(qū)別大的特點。復雜背景量是考慮到在背景比較復雜并且在變化的情況下人體可能與之有較大的相似性，從而對特征提取的結果干擾較大。所以目前比較流行的有以下幾種算法。

2.1.1 幀間差分

因為相鄰幀的背景都有很大的相似性，所以通過比較相鄰幀提取運動的人體，有效避免了復雜背景的干擾。

2.1.2 局部投影算法

當要識別的目標占據了畫面的絕大部分，此時一些自然物體類似經過的動物，被風吹動的樹枝等很容易影響特征提取，通過局部區(qū)域劃分和運動矢量的估計，得出較為準確的全局運動矢量。

2.2 行為描述與識別

行為分析最基本的兩個問題是行為描述和行為識別；其中行為描述可基于圖像底層或高層人體結構；。行為描述與識別可基于模板匹配和狀態(tài)空間的方法，通過對系統輸入的運動特征及采樣數據進行對比分析，輸出相應的分類識別。

行為識別最關鍵的問題在于如何從輸入的大量樣本中獲取行為參考序列，并且學習和匹配行為序列可以處理相似運動特征的微小變化。目前較為常用的有以下幾種算法

2.2.1 基于低層圖像信息的模板匹配算法

低層圖像信息就圖像本身攜帶的信息，包括人體輪廓，運動軌跡，速度，光影特征等，其獲取方法簡單，所以這種算法一直以來都是行為描述的一個重要方向；但的是它具有一定的局限性，一般用于有規(guī)則的行為識別。

2.2.2 基于高層人體結構的行為描述算法

高層人體結構信息是指人的結構呈現的姿勢，與低層圖像信息相比可以更加精確恰當地描述行為。根據運動的模型不同，還可以繼續(xù)分成：點模型，二維平面模型，三維立體模型；其中較為重要的算法二維平面模型中的基于freeman鏈碼的人體描述算法。首先給出freeman鏈碼的定義：用曲線起始點的坐標和邊界點方向代碼來描述曲線或邊界的方法，它將線狀地物或區(qū)域邊界，由起點和一系列在基本方向上的單位矢量，給出每個后續(xù)點相對其前繼點的方向編碼表示。由于人體行為具有一定的周期性，所以該算法采用標準化的人體行為輪廓的拐點序列等技術,計算得出人體羅闊氣點及去西安方向，進而及孫處人體輪廓曲線拐點間的夾角序列和長度序列，進行輪廓匹配的出結果。經實驗證明,基于freeman鏈碼的人體行為描述可以快速的對行為動作進行特征提取,所提取的特征能有效的代表其對應行為且能夠被有效的識別,在人體行為分析方面具有一定的參考價值。

3 對流水線工廠的意義

流水線工廠工人人數較多，且有明顯的動作周期性，通過人體行為識別技術可以極大提高工廠監(jiān)管效率，并且能公正合理地提供一個較為清晰的執(zhí)行標準，可提高員工積極性與工作專注力；對于機器故障損壞也可以及時發(fā)現搶修，提高整個工廠的工作效率和質量；可以做到有效防范意外事故的發(fā)生，對整個社會都有十分積極地影響。