基于视频的人体动作识别是计算机视觉的重要研究方向,在智能监控、行为分析、人机交互等领域有广泛的应用前景。本文针对智能监控中室内动作识别问题,在分析国内外相关研究的基础上,提出了基于视频分析的室内人体摔倒动作识别方法,并在DaVinci平台予以实现。该方案可应用于老年公寓或独居老人家中,能够及时分析老人是否发生摔倒等动作。本文详细阐述了室内人体摔倒等动作识别的算法原理和软件设计流程,主要研究成果和内容有:1.针对运动人体前景检测问题,本文提出一种基于HS多高斯混合模型的背景建模方法。该方法以HSV空间中H、S分量进行背景建模,改进适用于该方案的参数更新方式和前景判别方式,并设计阴影去除和形态学处理方案改善检测效果。2.针对人体摔倒动作的建模与识别问题,本文首先设计基于运动特征和形态特征相结合的特征提取方案,充分利用运动过程中人体的运动变化信息和形态变化信息描述动作特性。本文摔倒等动作由30帧连续图像构成,本文提出基于运动特征变化的方案实现视频中图像序列的分割。同时,本文将动作识别作为时间序列的分析问题,利用隐状态对应观测服从高斯分布的从左到右型隐马尔科夫模型实现摔倒动作的建模与识别。3.针对摔倒动作识别算法的软件实现问题,本文采用搭载TMS320DM6446处理芯片的DaVinci平台作为硬件平台,借助平台ARM+DSP双核架构,设计ARM端程序调度和DSP端算法执行的软件结构,充分发挥双核优势。同时结合算法原理改进特征提取及动作识别设计流程,提高识别的准确性。