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(duì)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(duì)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(yǔ)義的高級(jí)特征——主題分布特征，使用主題分布特征對(duì)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(duì)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(duì)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(kù)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(duì)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(cè)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(duì)時(shí)空興趣點(diǎn)作為視頻的底層特征，并不能給出視頻語(yǔ)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(yǔ)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(yǔ)義信息。
　　 4)針對(duì)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(duì)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(duì)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