基于方向能量稀疏表示的行為識別算法研究.pdf

1、行為識別是計算機視覺研究和應(yīng)用中的一個重要方向。其目的就是設(shè)計一個能自動分析視頻數(shù)據(jù)中的人體行為的智能系統(tǒng)。行為識別系統(tǒng)在視頻監(jiān)控、運動娛樂、人機交互等場合有大量應(yīng)用。廣闊的應(yīng)用前景激發(fā)越來越多的學(xué)者投身于這方面的研究工作中,但是人體行為識別是一個復(fù)雜的工程,主要表現(xiàn)在人體動作的復(fù)雜性、處理的數(shù)據(jù)量大、視頻中人體姿態(tài)的變化和攝像頭視角的轉(zhuǎn)換等,這些因素都給識別造成了較大困難。本文我們針對這些難點,提出了我們自己的行為識別框架,該框架基于

2、局部方向能量的特征描述子,后續(xù)利用稀疏表達對樣本進行了凈化,最后用加性核支撐向量機對樣本進行分類。具體來講:
　　(1)特征興趣點檢測階段,由于經(jīng)典的Dollar算子檢測到的時空興趣點容易受背景中噪聲的干擾而發(fā)生誤檢。本文中我們將Dollar算子擴展成一種多尺度的時空興趣點檢測算子,即綜合多個尺度上的檢測結(jié)果來代替單尺度的檢測。這樣能夠得到更加穩(wěn)定和準確的興趣點。
　　(2)特征提取階段,本文采用了時空方向能量進行特征提取,

3、即在局部時空區(qū)域上沿X, Y, T三個方向上進行能量分解。后續(xù)引入一種直方圖熵算法對該特征進行量化形成局部特征描述子。該描述子可以同時兼顧時空區(qū)域特征的結(jié)構(gòu)信息和統(tǒng)計信息。
　　(3)行為表示階段,基于局部特征的詞袋法對動作中人體姿態(tài)變化具有很好的魯棒性。而稀疏表達能夠很好的抓取樣本的本質(zhì)信息,能夠構(gòu)建低冗余的過完備字典。本文將這兩種方法進行融合,將局部特征稀疏表達時學(xué)習(xí)到的過完備字典當成詞袋,最后將一個視頻中所有特征點的稀疏系數(shù)

4、直方圖累加來表示整個行為。該方法對人體姿態(tài)變化,相機運動有很好的抑制作用。
　　(4)行為分類階段采用SVM分類器。在核函數(shù)的選取上我們采用了加性核作為SVM的核函數(shù),實驗表明它比傳統(tǒng)核函數(shù)比較有更好的識別率。
　　(5)最后實驗部分我們將各個模塊進行整合,通過實驗測試了興趣點鄰域不同的網(wǎng)格劃分、不同的過完備字典基向量個數(shù)、不同的稀疏表達稀疏度對分類結(jié)果的影響。并且將X, Y, T三個方向的特征信息各自作為樣本測試分類結(jié)果。