论文部分内容阅读
随着生活水平的提高，人们对生活品质要求越来越高，不断的追求绿色、健康生活。但是，现实的情况却往往与人们的追求相差甚多，现代社会出现越来越多的糖尿病、高血压、肥胖等各种富贵疾病。然而，通过一些实验的分析可以初步的发现，引发这些疾病的原因主要是摄入的能量过多，而运动燃烧的能量又太少，多入少出导致各种疾病的结果。目前国内外对这种富贵病的预防已经有很多研究在进行着，而可穿戴视频给这种研究的进行提供了很大的支持与可能。在本论文中，研究者通过可穿戴设备拍摄视频信息，并将此作为实验者生活现象的记录，并通过分析该视频，将实验者一天中的各个活动进行相应的划分，并对运动进行识别。本论文中主要从以下几个方面展开分析与论述：（一）视频关键帧的提取通过实验者提供的生活视频进行关键帧的提取，以便进行后期的视频分析处理。可穿戴视频的特点是一种纽扣式的摄像头，将其佩戴在实验者的胸前，这样拍摄的视频具有―无镜头‖的特点，即任何角度的拍摄，拍摄的主体都不会出现在视频中。因此，在本论文中提出了一种基于全局运动特征的一种视频分割方法，将视频中的每一帧图像当作一个整体进行处理，不再单独处理拍摄主体。（二）基于全局运动的视频分割传统的视频分割主要分为两种，一种是基于主体与背景的分离，另一种是基于镜头的。在本论文的实验中，可穿戴设备是佩戴在人体身上的，被拍摄的主体不会出现在镜头中，因此不存在主体与背景的分离。另外，在实验数据的采集过程中，镜头一旦打开，通常情况下不会被关闭，从而导致一个视频文件就是一个镜头。在一个只有一个镜头的视频文件中，镜头不能被当作是视频分割的依据。所以，在分割通过可穿戴设备拍摄的监控视频时，需要重新选择其他的分割依据。佩戴在被监控者身上的可穿戴拍摄设备和被监控者的运动是一致的，因此视频的运动反应的正好就是人体相应的运动。这种基于运动的视频分割，可以将视频按照不用的运动状态进行划分，这样就可以了解到被监控者一天中进行的运动，并进行进一步的分析。（三）间接人体运动识别在不同的运动状态下，能量的消耗不同，必须对监控视频中人的运动状态进行识别才能估计能量消耗的情况。鉴于可穿戴电子设备会随着人的运动产生一致的运动，视频拍摄的周围场景的变化能反映人的运动。本文即利用摄像头的运动同人类运动的映射关系，通过分析视频系列的运动特征，提出一种对人的运动形式进行间接识别的方法，而无需寻找视频中的某一个标志主体。在本论文中提出了一种基于金字塔结构的Lucas-Kanade光流的间接人体运动识别的方式和一种基于改进的菱形搜索块匹配方法进行，通过比较来进行运动的识别。在每一章节中通过对实验数据进行处理，得到以上两个过程——视频分割以及运动识别的精确性估计以及在现实中的实际意义。