基于動(dòng)作屬性分類器的行為識(shí)別研究.pdf

1、近幾十年來，隨著多媒體技術(shù)的快速發(fā)展，計(jì)算機(jī)視覺技術(shù)在軍事，醫(yī)療，制造業(yè)等領(lǐng)域中得到了廣泛的應(yīng)用，同時(shí)也促使了模式識(shí)別、人工智能、機(jī)器學(xué)習(xí)等相關(guān)學(xué)科的進(jìn)一步發(fā)展。人體行為識(shí)別作為計(jì)算機(jī)視覺研究領(lǐng)域中的一個(gè)備受關(guān)注的研究課題，在軍事和民用領(lǐng)域有著廣泛的應(yīng)用前景和實(shí)用價(jià)值，如智能視頻監(jiān)控、視頻檢索、虛擬現(xiàn)實(shí)、人機(jī)交互等。盡管當(dāng)前對(duì)行為識(shí)別的研究取得了一定的成就，但是還沒有一種可以通用的行為識(shí)別方法，在行為識(shí)別領(lǐng)域中依然面臨著許多困難與挑戰(zhàn)。

2、
　　本文研究的是單人行為的識(shí)別方法，即通過對(duì)視頻中的目標(biāo)行為進(jìn)行合理的描述，實(shí)現(xiàn)對(duì)該行為的分類。論文介紹了當(dāng)前行為識(shí)別技術(shù)的研究現(xiàn)狀與基本理論，并針對(duì)傳統(tǒng)識(shí)別方法僅使用底層視覺特征進(jìn)行識(shí)別的不足，提出了一種基于動(dòng)作屬性的人體行為識(shí)別方法。算法分為訓(xùn)練動(dòng)作屬性分類器、建立識(shí)別模型兩個(gè)階段。在訓(xùn)練動(dòng)作屬性分類器階段，首先提取視頻中的時(shí)空興趣點(diǎn)及興趣點(diǎn)的3D-SIFT局部時(shí)空描述符，用詞袋的方法建立時(shí)空詞典直方圖對(duì)視頻行為進(jìn)行表示，生

3、成底層特征樣本集。然后根據(jù)預(yù)定義的動(dòng)作屬性將部分底層特征向量貼上屬性標(biāo)簽，并使用支持向量機(jī)對(duì)其進(jìn)行訓(xùn)練，生成動(dòng)作屬性分類器組。在建立模型的過程中，將未貼上屬性標(biāo)簽的底層特征樣本經(jīng)過動(dòng)作屬性分類器組后得到對(duì)該行為的屬性預(yù)測(cè)，利用這些預(yù)測(cè)信息對(duì)以屬性、行為變量為節(jié)點(diǎn)的貝葉斯網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)學(xué)習(xí)與參數(shù)學(xué)習(xí)。最后在進(jìn)行識(shí)別測(cè)試時(shí)，首先用動(dòng)作屬性分類器組預(yù)測(cè)出待識(shí)別行為的屬性分布，然后用先前訓(xùn)練好的貝葉斯網(wǎng)絡(luò)模型對(duì)其所屬的行為進(jìn)行預(yù)測(cè)，將取得最大概率