基于字典和馬爾可夫邏輯網(wǎng)的行為分類方法研究.pdf

1、人體行為分析技術(shù)是計(jì)算機(jī)視覺研究的重點(diǎn)和難點(diǎn)。它在智能監(jiān)控，人機(jī)交互等領(lǐng)域有著廣闊的應(yīng)用前景。目前大部分人體行為分析方法都是直接對圖像或者視頻中的底層特征作分析，例如形狀，輪廓等。本文針對人體行為分析中的個(gè)體行為分析問題，提出了一種基于字典的字袋特征描述方法。利用字袋特征和主題分析算法將人體運(yùn)動(dòng)視頻中的一種底層特征——時(shí)空興趣點(diǎn)特征，轉(zhuǎn)化為含有語義的高級特征——主題分布特征，使用主題分布特征對單人行為進(jìn)行分析。并且在此基礎(chǔ)上，用馬爾可夫

2、邏輯網(wǎng)對雙人行為進(jìn)行分析。
　　 本文的主要的工作和特色如下：
　　 1)針對傳統(tǒng)的時(shí)空興趣點(diǎn)提取算法會(huì)提取出噪聲點(diǎn)的問題，提出了一種噪聲點(diǎn)去除算法。噪聲點(diǎn)是由于攝像機(jī)本身自帶的噪聲和相鄰的幀的運(yùn)動(dòng)導(dǎo)致的。根據(jù)這兩種情況，分別提出了設(shè)置閾值和去除前景以外興趣點(diǎn)的方法來剔除噪聲點(diǎn)。實(shí)驗(yàn)表明，在Weizmann數(shù)據(jù)庫上，這種算法使得提取出的時(shí)空興趣點(diǎn)數(shù)量減少約40-50％，但是并不影響最終異常行為分析的結(jié)果。
　　

3、2)針對時(shí)空興趣點(diǎn)的3D-sift特征提取算法運(yùn)算量較大，不能滿足異常行為檢測的實(shí)時(shí)性問題，采用雙核并行計(jì)算時(shí)空興趣點(diǎn)的3D-sift特征。首先把視頻中的時(shí)空興趣點(diǎn)分給兩個(gè)任務(wù)，雙核并行計(jì)算每一個(gè)任務(wù)的時(shí)空興趣點(diǎn)特征，最后把兩個(gè)任務(wù)所得的結(jié)果結(jié)合起來。實(shí)驗(yàn)表明這種并行算法可以節(jié)省大約30-40%的運(yùn)算時(shí)間。
　　 3)針對時(shí)空興趣點(diǎn)作為視頻的底層特征，并不能給出視頻語義特征的問題。把時(shí)空興趣點(diǎn)看作單詞，用字袋模型將視頻文件演變成

4、文檔，然后采用自然語言處理中的pLSA算法和LDA算法提取該“文檔”的潛在主題特征。實(shí)驗(yàn)表明，潛在主題作為視頻特征含有部分語義信息。
　　 4)針對雙人交互行為分析的問題。首先將雙人行為分解為兩個(gè)單人行為，然后使用一階邏輯推理模型，通過對兩個(gè)單人行為的推理得到雙人行為的類別。與傳統(tǒng)的推理算法相比，馬爾可夫邏輯網(wǎng)不僅能給出命題是否成立，更能給出命題成立的概率。因此使用該模型對雙人行為進(jìn)行概率推理，不僅能得到雙人行為的類別，還能得到