基于視頻的目標(biāo)感知與行為識(shí)別.pdf

1、人體行為識(shí)別的研究在最近十幾年內(nèi)取得了很大的進(jìn)步,國內(nèi)外研究者從特征提取和分類器設(shè)計(jì)這兩方面提出了不少的改進(jìn)方法,但在特征提取方面的研究尤其突出,包括全局特征(如MHI、MEI、STV等)、局部特征(如3D-HOG、cuboids、KLT等)以及兩者的結(jié)合(如 MHI+STIP等)。最近出現(xiàn)的基于稠密軌跡的行為識(shí)別方法較之前的方法取得了更好的識(shí)別效果,本文在稠密軌跡方法基礎(chǔ)上做了一定的改進(jìn)。
　　基于稠密軌跡的行為識(shí)別方法,通過采

2、樣稠密光流場(chǎng),提取稠密軌跡,沿著軌跡提取了包含局部運(yùn)動(dòng)模式信息的軌跡描述符、包含外形信息的方向梯度直方圖、包含運(yùn)動(dòng)速度的光流直方圖以及補(bǔ)充光流包含運(yùn)動(dòng)加速度的運(yùn)動(dòng)邊界直方圖,將這些特征向量用單詞袋的方法進(jìn)行量化編碼,再送入分類器進(jìn)行分類。本文主要在以下兩方面做了改進(jìn):
　　(1)在現(xiàn)實(shí)生活中,好多視頻都存在相機(jī)運(yùn)動(dòng)(背景運(yùn)動(dòng))的情況,MBH描述符雖然在一定程度上能夠減少勻速相機(jī)運(yùn)動(dòng)的干擾,但對(duì) HOF的影響并不能去除?；诙祷x

3、范梯度的對(duì)象性感知方法具有計(jì)算高效、一般性對(duì)象檢測(cè)能力強(qiáng)的優(yōu)點(diǎn),本文將此方法運(yùn)用到行為識(shí)別中,先對(duì)前景目標(biāo)進(jìn)行位置感知,再對(duì)移除前景目標(biāo)后的場(chǎng)景(背景)進(jìn)行特征點(diǎn)提取,用提取的特征點(diǎn)估計(jì)相鄰幀的單應(yīng)性,用以調(diào)整相機(jī)運(yùn)動(dòng)對(duì)光流的影響,同時(shí)剔除背景的稠密軌跡,然后在調(diào)整的光流上提取特征描述符。
　　(2)由于單詞袋方法主要存在以下幾個(gè)問題:①受限于聚類方法的弊端;②詞典大小的選擇問題;③相似性度量函數(shù)的選擇問題;④量化造成空間特性分布