基于視頻的人體動(dòng)作識(shí)別關(guān)鍵技術(shù)研究.pdf

1、人體動(dòng)作識(shí)別是當(dāng)前計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域的研究熱點(diǎn)之一，它在視頻檢索、智能視頻監(jiān)控、人機(jī)交互、人體運(yùn)動(dòng)分析以及智能監(jiān)護(hù)等領(lǐng)域中有著廣泛的應(yīng)用前景和巨大的市場(chǎng)需求，因此受到學(xué)術(shù)界、工業(yè)界、商業(yè)界以及安全機(jī)構(gòu)等各方面的廣泛關(guān)注。但是，由于動(dòng)作樣式、拍攝視角、光照、背景等的多樣性，以及動(dòng)作定義本身的模糊性，基于視頻的動(dòng)作識(shí)別依然是一個(gè)極具挑戰(zhàn)性的問(wèn)題。
　　本文圍繞人體動(dòng)作識(shí)別中的關(guān)鍵性問(wèn)題，分別從底層局部特征提取與描述、動(dòng)作視頻中層

2、表示方法、大規(guī)模動(dòng)作識(shí)別處理策略以及跨域動(dòng)作識(shí)別方法等幾個(gè)方面進(jìn)行了深入研究，主要工作如下:
　　(1)提出了有效軌跡底層特征提取方法和顏色差異特征描述。相對(duì)于傳統(tǒng)密集軌跡采樣，有效軌跡方法基于軌跡通過(guò)區(qū)域的運(yùn)動(dòng)和視覺(jué)顯著性對(duì)軌跡進(jìn)行判定，保留真正對(duì)動(dòng)作識(shí)別有用的軌跡，節(jié)省了特征存儲(chǔ)所需空間，提高了特征提取處理速度以及最終的動(dòng)作識(shí)別率。傳統(tǒng)的特征描述普遍忽略了顏色信息，顏色差異特征利用視頻幀中局部區(qū)域與其鄰域間的顏色差異作為特征描

3、述，分空間域和時(shí)間域分別求取。實(shí)驗(yàn)證明，顏色差異特征與已有的形狀特征和運(yùn)動(dòng)特征具有良好的互補(bǔ)性，結(jié)合后能夠有效的提升動(dòng)作識(shí)別準(zhǔn)確率。
　　(2)提出了一種包含時(shí)空信息的非負(fù)成分表示方法。傳統(tǒng)的視覺(jué)詞袋(BoVW)表示忽略了視覺(jué)單詞之間的相關(guān)性以及局部特征時(shí)空分布信息。本文采用基于圖正則化的非負(fù)矩陣分解算法，從底層局部特征表示中自動(dòng)學(xué)習(xí)出相關(guān)視覺(jué)單詞構(gòu)成動(dòng)作基元，將視頻中的動(dòng)作表示成多個(gè)動(dòng)作基元的組合，由此得到中層非負(fù)成分表示。同時(shí)

4、，利用混合高斯模型統(tǒng)計(jì)每個(gè)視覺(jué)單詞所對(duì)應(yīng)的局部特征時(shí)空位置分布，并用時(shí)空Fisher向量對(duì)分布進(jìn)行描述。通過(guò)在圖正則化項(xiàng)中添加時(shí)空Fisher向量，將時(shí)空分布信息融入非負(fù)成分表示之中。實(shí)驗(yàn)證明，與BoVW相比，該表示方法可以有效提高動(dòng)作識(shí)別準(zhǔn)確率。
　　(3)提出了一種針對(duì)大規(guī)模動(dòng)作識(shí)別數(shù)據(jù)庫(kù)的分層字典學(xué)習(xí)策略。大規(guī)模數(shù)據(jù)庫(kù)中不同類(lèi)別間的差異復(fù)雜多樣，本文將相似和不相似的類(lèi)別分開(kāi)處理?；陬?lèi)別之間的相似性對(duì)所有類(lèi)別進(jìn)行聚類(lèi)，形成兩

5、層組織結(jié)構(gòu):第一層中各組差異較大，采用類(lèi)特定字典學(xué)習(xí)，為每組學(xué)習(xí)一個(gè)單獨(dú)的字典;第二層是各組中較為相近的子類(lèi)，采用基于Fisher判別的混合字典學(xué)習(xí)，通過(guò)混合字典抑制共有部分，放大子類(lèi)之間的差別。同時(shí)，針對(duì)分層字典學(xué)習(xí)的特點(diǎn)，本文給出了相應(yīng)的分類(lèi)方法。在多個(gè)大規(guī)模數(shù)據(jù)庫(kù)上的測(cè)試結(jié)果表明，相比于不分層字典學(xué)習(xí)，該方法能有效提高大規(guī)模動(dòng)作識(shí)別的準(zhǔn)確率。
　　(4)提出了一種基于非負(fù)混合字典學(xué)習(xí)的跨域動(dòng)作識(shí)別方法。利用源域和目標(biāo)域已標(biāo)注