人物動作識別的局部特征和生成模型研究.pdf

1、本文針對視頻中人體動作識別和分類的需求,設計和實現(xiàn)了具有較高準確率的人體動作識別系統(tǒng)。在設計系統(tǒng)的過程中,我們分析和評估了近年來國內外流行的動作檢測和識別方法,在此基礎上提出了新的系統(tǒng)和處理實際應用問題的方法;同時我們也進行了系統(tǒng)配置優(yōu)化和執(zhí)行效率優(yōu)化方面的研究,并在公開的理論數據集和實際數據集上對系統(tǒng)進行測試驗證,以及和國際領先水平的研究成果進行了比較。
　　本文主要工作包括以下幾個方面:
　　(1)設計并實現(xiàn)了模塊化的動

2、作識別系統(tǒng),系統(tǒng)采用流水線結構,降低了各部分的耦合。低耦合設計使得各模塊內部使用的算法可以進行任意調整和組合,方便對單個算法和算法間的適用性進行評估。同時保證了整個系統(tǒng)的設計具有可擴展性,使后續(xù)的算法改進和功能模塊添加非常方便。
　　(2)在算法設計方面,我們使用本系統(tǒng)評估了多種目前國際領先的領域成果,分析他們對動作建模的方法和思路,以及不同方法在不同應用場景下的優(yōu)勢和弊端。我們采用泛化能力較強的bag-of-words表示,對視

3、頻檢測時-空興趣點,即沿著時間和空間方向局部變化最為明顯的點,在這些點周圍提取局部時-空特征。時-空特征采用多種擴展到三維(X軸、Y軸和時間軸)的局部特征方法,并對特征向量作聚類從而數量化表示,由此形成視覺詞匯,將一段視頻變換為一組視覺單詞的集合。形成bag-of-words表示之后,我們設計使用LDA主題模型提取每個視頻中的隱含主題,將視頻表示為主題上的分布。視頻之間的距離通過Bhattacharyya距離衡量,對于目標視頻采用判別方

4、法實施最終的分類。
　　(3)對視頻的識別過程,我們將其分為單一視頻動作分類和長視頻動作檢測兩種需求,對于后者我們設計了基于滑動窗口的高效的分割方法,令其轉化為第一類情況處理。
　　(4)我們將系統(tǒng)應用于公開的人體動作視頻集以檢驗其表現(xiàn),實驗表明在公開數據集上,我們的方法與當前國際上最新領先的研究成果相比具有競爭力:在簡單數據集上我們的系統(tǒng)優(yōu)于所有bag-of-words方法,復雜數據集上在比目前國際最佳準確率略低的情況下,