基于字典和馬爾可夫邏輯網的行為分類方法研究.pdf

1、人體行為分析技術是計算機視覺研究的重點和難點。它在智能監(jiān)控，人機交互等領域有著廣闊的應用前景。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動視頻中的一種底層特征——時空興趣點特征，轉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行分析。并且在此基礎上，用馬爾可夫

2、邏輯網對雙人行為進行分析。
　　 本文的主要的工作和特色如下：
　　 1)針對傳統的時空興趣點提取算法會提取出噪聲點的問題，提出了一種噪聲點去除算法。噪聲點是由于攝像機本身自帶的噪聲和相鄰的幀的運動導致的。根據這兩種情況，分別提出了設置閾值和去除前景以外興趣點的方法來剔除噪聲點。實驗表明，在Weizmann數據庫上，這種算法使得提取出的時空興趣點數量減少約40-50％，但是并不影響最終異常行為分析的結果。
　　

3、2)針對時空興趣點的3D-sift特征提取算法運算量較大，不能滿足異常行為檢測的實時性問題，采用雙核并行計算時空興趣點的3D-sift特征。首先把視頻中的時空興趣點分給兩個任務，雙核并行計算每一個任務的時空興趣點特征，最后把兩個任務所得的結果結合起來。實驗表明這種并行算法可以節(jié)省大約30-40%的運算時間。
　　 3)針對時空興趣點作為視頻的底層特征，并不能給出視頻語義特征的問題。把時空興趣點看作單詞，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。實驗表明，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單人行為，然后使用一階邏輯推理模型，通過對兩個單人行為的推理得到雙人行為的類別。與傳統的推理算法相比，馬爾可夫邏輯網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行概率推理，不僅能得到雙人行為的類別，還能得到