基于方向能量稀疏表示的行為識(shí)別算法研究.pdf

1、行為識(shí)別是計(jì)算機(jī)視覺(jué)研究和應(yīng)用中的一個(gè)重要方向。其目的就是設(shè)計(jì)一個(gè)能自動(dòng)分析視頻數(shù)據(jù)中的人體行為的智能系統(tǒng)。行為識(shí)別系統(tǒng)在視頻監(jiān)控、運(yùn)動(dòng)娛樂(lè)、人機(jī)交互等場(chǎng)合有大量應(yīng)用。廣闊的應(yīng)用前景激發(fā)越來(lái)越多的學(xué)者投身于這方面的研究工作中,但是人體行為識(shí)別是一個(gè)復(fù)雜的工程,主要表現(xiàn)在人體動(dòng)作的復(fù)雜性、處理的數(shù)據(jù)量大、視頻中人體姿態(tài)的變化和攝像頭視角的轉(zhuǎn)換等,這些因素都給識(shí)別造成了較大困難。本文我們針對(duì)這些難點(diǎn),提出了我們自己的行為識(shí)別框架,該框架基于

2、局部方向能量的特征描述子,后續(xù)利用稀疏表達(dá)對(duì)樣本進(jìn)行了凈化,最后用加性核支撐向量機(jī)對(duì)樣本進(jìn)行分類(lèi)。具體來(lái)講:
　　(1)特征興趣點(diǎn)檢測(cè)階段,由于經(jīng)典的Dollar算子檢測(cè)到的時(shí)空興趣點(diǎn)容易受背景中噪聲的干擾而發(fā)生誤檢。本文中我們將Dollar算子擴(kuò)展成一種多尺度的時(shí)空興趣點(diǎn)檢測(cè)算子,即綜合多個(gè)尺度上的檢測(cè)結(jié)果來(lái)代替單尺度的檢測(cè)。這樣能夠得到更加穩(wěn)定和準(zhǔn)確的興趣點(diǎn)。
　　(2)特征提取階段,本文采用了時(shí)空方向能量進(jìn)行特征提取,

3、即在局部時(shí)空區(qū)域上沿X, Y, T三個(gè)方向上進(jìn)行能量分解。后續(xù)引入一種直方圖熵算法對(duì)該特征進(jìn)行量化形成局部特征描述子。該描述子可以同時(shí)兼顧時(shí)空區(qū)域特征的結(jié)構(gòu)信息和統(tǒng)計(jì)信息。
　　(3)行為表示階段,基于局部特征的詞袋法對(duì)動(dòng)作中人體姿態(tài)變化具有很好的魯棒性。而稀疏表達(dá)能夠很好的抓取樣本的本質(zhì)信息,能夠構(gòu)建低冗余的過(guò)完備字典。本文將這兩種方法進(jìn)行融合,將局部特征稀疏表達(dá)時(shí)學(xué)習(xí)到的過(guò)完備字典當(dāng)成詞袋,最后將一個(gè)視頻中所有特征點(diǎn)的稀疏系數(shù)

4、直方圖累加來(lái)表示整個(gè)行為。該方法對(duì)人體姿態(tài)變化,相機(jī)運(yùn)動(dòng)有很好的抑制作用。
　　(4)行為分類(lèi)階段采用SVM分類(lèi)器。在核函數(shù)的選取上我們采用了加性核作為SVM的核函數(shù),實(shí)驗(yàn)表明它比傳統(tǒng)核函數(shù)比較有更好的識(shí)別率。
　　(5)最后實(shí)驗(yàn)部分我們將各個(gè)模塊進(jìn)行整合,通過(guò)實(shí)驗(yàn)測(cè)試了興趣點(diǎn)鄰域不同的網(wǎng)格劃分、不同的過(guò)完備字典基向量個(gè)數(shù)、不同的稀疏表達(dá)稀疏度對(duì)分類(lèi)結(jié)果的影響。并且將X, Y, T三個(gè)方向的特征信息各自作為樣本測(cè)試分類(lèi)結(jié)果。