基于特征表示的行為識(shí)別方法研究.pdf

1、行為識(shí)別是計(jì)算機(jī)視覺領(lǐng)域的重要研究方向之一，在智能監(jiān)控、視頻檢索、視頻摘要、智能機(jī)器人和人機(jī)交互等系統(tǒng)中有著廣泛的應(yīng)用。與目標(biāo)檢測(cè)和識(shí)別等計(jì)算機(jī)視覺問題類似，行為識(shí)別方法的關(guān)鍵是視頻的特征表示。由于自然場(chǎng)景視頻在背景、視角、尺度和光照等方面巨大的差異性，及人體行為在外觀和執(zhí)行方式上的多樣性，視頻的特征表示方法深具挑戰(zhàn)，且極大程度上影響行為識(shí)別方法的性能。
　　特征表示方法將視頻從樣本空間映射到特征空間，依據(jù)特征所含語義信息的多少，

2、可以將其簡(jiǎn)單的分為低層、中層和高層三類。本論文在分析和總結(jié)已有的視頻特征表示方法的基礎(chǔ)上，對(duì)基于中層特征表示和高層特征表示的行為識(shí)別方法進(jìn)行了研究。
　　首先，基于對(duì)低層、中層和高層特征表示三者之間關(guān)系的分析，提出了一種分層的特征圖模型，該模型以視頻的低層特征為基礎(chǔ)，通過逐層地構(gòu)建特征圖來得到視頻的高層特征表示，每一層的特征圖整合了特征的自身信息與特征之間的時(shí)空關(guān)系，能更完備的描述行為。為了使用分層的特征圖模型識(shí)別行為，本文具體地

3、描述了各層特征圖的構(gòu)建方法，并提出了一種分層的圖匹配方法計(jì)算視頻之間的相似度。在公開的行為數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)證了本方法的有效性。
　　其次，考慮到高層特征表示能力的不足，及中層特征較好的表示能力和判別能力，提出了一種基于中層行為部件自動(dòng)挖掘的行為識(shí)別方法。該方法通過訓(xùn)練候選的行為部件檢測(cè)器和選擇有效的行為部件檢測(cè)器來解決行為部件的挖掘問題。為了得到候選的行為部件檢測(cè)器，提出了結(jié)合特征白化和交叉驗(yàn)證的訓(xùn)練算法；為了選擇有效的行為部

4、件檢測(cè)器，提出了Coverage-Entropy Curve評(píng)估檢測(cè)器的能力，并定義檢測(cè)器之間的相似性度量減少冗余度。在多個(gè)公開的行為數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明本方法挖掘的行為部件能有效地識(shí)別行為。
　　然后，針對(duì)行為部件挖掘算法中有效行為部件檢測(cè)器的選擇問題，提出了基于特征選擇的行為部件自動(dòng)挖掘方法。由于常用的選擇算法通常采用啟發(fā)式的準(zhǔn)則，未能直接地分析檢測(cè)器分類行為的能力，也不能保證選出的行為部件檢測(cè)器能最優(yōu)地識(shí)別行為，因此，本文