基于行為圖像區(qū)域的行為識別算法研究.pdf

1、靜態(tài)圖像中的行為識別近年來逐漸成為計算機視覺和模式識別領域一個活躍的課題。有些行為類別可以被單幅圖像清楚地描述，靜態(tài)圖像中的行為識別關注從單幅圖像中辨別行為。本文選擇7類常見行為搭建數(shù)據(jù)集，對基于行為圖像區(qū)域的行為識別算法進行研究。
　　首先，本文研究了基于DPM模型的行為識別算法。傳統(tǒng)的行為識別方法往往使用整個人體包圍盒，本文僅選擇與行為相關的區(qū)域，即行為圖像區(qū)域。根據(jù)行為特點和樣本分布合理設置混合可變形部件模型的部件數(shù)量和行為

2、視角，判別訓練得到行為模型。綜合考慮不同閾值下行為模型的查全率和查準率等參數(shù)，為每個行為模型選擇最佳閾值。從行為模型對圖像預測的人體包圍盒中選擇匹配得分最高的作為對該圖像最終的行為表示。
　　其次，本文研究了基于行為核心區(qū)域加權融合的行為識別算法。僅選擇行為最本質的部分，即行為圖像核心區(qū)域。使用混合可變形部件模型，判別訓練得到行為模型。再與基于行為圖像區(qū)域的行為模型對圖像的匹配得分加權融合作為對該圖像最終的行為表示，增強行為模型對

3、行為全局和局部結構的表達能力。
　　最后，本文研究了基于分布式行為圖像區(qū)域的行為識別算法。使用部件的新概念，即姿態(tài)，在關鍵點的結構空間和圖像區(qū)域的表觀空間緊密聚集。將人體劃分成更加細致的部位，使用關鍵點注釋信息為各個姿態(tài)尋找具有相似結構的圖像區(qū)域構成樣本，使用線性SVM訓練得到行為模型。每個姿態(tài)從不同角度刻畫了行為特點，姿態(tài)數(shù)量越多，對行為的描述就越全面。從行為模型對圖像的姿態(tài)響應得分中，選擇符合閾值條件的得分相加之和作為對該圖像