人体姿势监测睡眠呼吸系统综合征智能监控帧差法异常行为硕士论文.doc

睡眠呼吸系统中病人异常行为视频监测控制理论与控制工程， 2011， 硕士【摘要】 人体异常行为监测是人工智能领域的一个重要研究方向,近年来引起机器视觉领域研究者的很大的兴趣。人体异常行为识别包括从视频序列中抽取相关的视觉信息,并用一种合适的方式进行表达,最后解释这些信息以实现识别和学习人的行为,研究人体的行为模式将为人们的生活带来全新的交互方式。目前人体行为识别的研究发展比较缓慢,有待进一步的研究学习。本文在睡眠呼吸监测系统基础上增加了基于计算机的视频监视系统,是对睡眠呼吸分析系统的丰富和补充。针对睡眠呼吸系统综合症病人睡眠过程中多动的特征,进行实时的监测,并利用图像处理技术识别病人的躺着、坐起、站立的姿势,使得医疗人员能够在无人值守的情况下更详细的了解病人整夜睡眠过程中的行为,为医生尽快的诊断病情,制定治疗方案提供了可靠的数据资料。当病人做出坐起、站立的异常行为时视频监测系统还会实现报警功能。本文研究的主要内容包括以图像处理、图像分析理论为基础,对国内外关于人体行为识别领域的相关算法进行了研究和比较;分析了运动目标检测领域比较常用的帧间差分方法和背景差分方法,对它们各自的检测效果做了分析比较,针对帧间差分方法精度不高、单高斯背景更新速度太慢的缺点,提出了一种结合了.更多还原【Abstract】 Recognition of human behavior pattern which is an important bifurcation of Artificial Intelligence has become the research emphasis of Machine Vision area in recent years.Recognition of human behavior pattern contains detection of animated objects from video sequence,the feature extraction from objects and comprehension of these information to recognize human behaviors.In this paper,in the basis of sleep-related breathing monitoring system increased video monitoring system with computer. Because.更多还原 【关键词】 人体姿势监测； 睡眠呼吸系统综合征； 智能监控； 帧差法； 异常行为； 【Key words】 body posture monitoring； sleep respiratory syndrome； intelligent monitoring； frame differential method； abnormal behavior； 【索购全文】Q联系Q：138113721 Q联系Q: 139938848付费即发摘要 4-5 ABSTRACT 5-6 第1章 绪论 10-16 1.1 课题研究的背景 10-13 1.2 国内外的研究现状 13-14 1.3 课题研究的目的及意义 14-15 1.4 课题研究的内容 15-16 第2章 异常行为视频监测系统的分析 16-33 2.1 患者的异常行为 16-17 2.1.1 睡眠呼吸系统暂停综合症的特征 16 2.1.2 异常行为的确定 16-17 2.2 睡眠呼吸分析 17-25 2.2.1 睡眠基础知识 17-18 2.2.2 睡眠监测的内容 18-23 2.2.3 影响睡眠监测的因素 23-24 2.2.4 睡眠呼吸分析方法 24-25 2.3 课题提出的意义及难点分析 25-26 2.3.1 课题提出的意义 25 2.3.2 论文的主要技术难点 25-26 2.4 系统配置 26-31 2.4.1 睡眠呼吸分析硬件系统配置 26-27 2.4.2 睡眠呼吸分析软件介绍 27-29 2.4.3 视频监测系统的硬件配置 29 2.4.4 视频监测系统的软件设置 29-31 2.5 视频监测系统的总体设计 31-32 2.5.1 视频监测系统的设计要求 31 2.5.2 视频监测系统的总体设计 31 2.5.3 视频监测系统流程图 31-32 2.6 本章小结 32-33 第3章 运动目标的检测 33-53 3.1 数字图像处理概述 33 3.2 图像处理常用的方法 33-38 3.2.1 图像的增强 34-35 3.2.2 去噪方法 35-37 3.2.3 直方图均衡化 37-38 3.3 运动目标的确定 38-39 3.4 运动目标的检测 39-45 3.4.1 帧间差分法 39-40 3.4.2 背景差分法 40-44 3.4.3 光流法 44-45 3.5 多种运动目标检测算法效果的比较与分析 45-50 3.5.1 帧间差分方法检测效果 45-46 3.5.2 背景差分方法检测效果 46-50 3.6 三帧差分方法以及SURENDRA 背景更新算法 50-52 3.6.1 三帧差分方法 50 3.6.2 Surendra 检测算法的思想 50-51 3.6.3 自动更新背景差分方法运动目标检测 51-52 3.7 本章小结 52-53 第4章 人体异常行为识别 53-66 4.1 现有人体姿势识别方法 53 4.2 异常姿态检测算法 53-57 4.2.1 目标初始轮廓点选取 54 4.2.2 GVF Snake 算法 54-55 4.2.3 目标姿态变化检测算法 55-57 4.3 异常行为的分析与判断 57-59 4.3.1 异常行为的分析 57-58 4.3.2 动态矩形区域的特征 58-59 4.4 异常行为的统计 59 4.5 报警系统的设计与实现 59-61 4.5.1 API