結(jié)合全局和局部特征的人體行為識(shí)別技術(shù)研究.pdf

1、針對(duì)近些年來(lái)模式識(shí)別在計(jì)算機(jī)視覺(jué)領(lǐng)域的相關(guān)研究，越來(lái)越多的學(xué)者、互聯(lián)網(wǎng)公司愿意花高成本高代價(jià)投入到智能人體行為識(shí)別技術(shù)中來(lái)，可見(jiàn)對(duì)視頻中人體行為進(jìn)行智能識(shí)別已經(jīng)顯現(xiàn)出極高的學(xué)術(shù)價(jià)值和商業(yè)價(jià)值?，F(xiàn)階段的人體行為識(shí)別更多的還只停留在對(duì)簡(jiǎn)單背景下人體的簡(jiǎn)單肢體動(dòng)作，比如走、跑、跳、彎腰、拍手等行為進(jìn)行識(shí)別，當(dāng)視頻場(chǎng)景中干擾因素太多，或者對(duì)識(shí)別的準(zhǔn)確率和實(shí)時(shí)性有較高要求時(shí)，就目前提出的相關(guān)算法，往往不是太過(guò)單一，就是運(yùn)算速度太慢，或者識(shí)別率太低

2、。
　　行為識(shí)別的步驟大致分為行為特征提取，特征訓(xùn)練和特征分類識(shí)別三步。本文在參考了大量國(guó)際論文和先進(jìn)算法后，針對(duì)上述特征描述的有關(guān)問(wèn)題，在特征提取階段，提出了一種全新的特征描述子——PE-Cuboid用來(lái)表征人體行為，將目前應(yīng)用較廣泛的全局特征像素變化概率圖（PCRM）、邊緣方向直方圖（EOH）和局部特征立方體（Cuboid）描述子相結(jié)合，有效克服了在提取單一特征時(shí)所提取的特征不能完整表征人體行為的缺點(diǎn)；在訓(xùn)練分類器階段，本文還

3、對(duì)比了多種機(jī)器學(xué)習(xí)方法，分別使用傳統(tǒng)的碼本（Codebook）和詞袋模型（bag-of-words），字典學(xué)習(xí)和稀疏編碼分別訓(xùn)練得到行為特征描述，最后使用支持向量機(jī)（SVM）對(duì)行為特征描述序列打分識(shí)別，得分最高的即為識(shí)別結(jié)果。另外不同于傳統(tǒng)特征融合單純的疊加或平鋪特征，本文在融合混合特征時(shí)算法也有改進(jìn)。
　　本文算法通過(guò)Matlab進(jìn)行仿真，對(duì)目前公開(kāi)的KTH、Weizmann標(biāo)準(zhǔn)行為數(shù)據(jù)庫(kù)和本文自建測(cè)試行為視頻中均做了測(cè)試，并針