基于局部時空興趣點的人體行為識別方法研究.pdf

1、基于視頻的人體行為識別一直是計算機(jī)視覺技術(shù)領(lǐng)域的熱點研究課題，在各行各業(yè)都具有廣泛的應(yīng)用前景和實用價值，如智能監(jiān)控、人機(jī)交互、視頻檢索等?；诰植繒r空興趣點的人體行為識別方法因其對各種干擾都具有較好的魯棒性而成為目前主流的方法，這種方法通過檢測像素值在時空鄰域有顯著變化的興趣點并從中提取底層特征來進(jìn)行行為描述，無需對圖像進(jìn)行前背景分割和目標(biāo)跟蹤。本文主要針對該方法進(jìn)行研究，主要的研究內(nèi)容及成果如下：
　　提出了一種基于時空興趣點區(qū)

2、域（ROI）的運動區(qū)域方向直方圖HOIRM（Histogram of Oriented Interest Region Motion）特征，首先根據(jù)興趣點的空間位置分布提取每一幀的時空興趣點區(qū)域ROI(Region of Interest Points)，再根據(jù)幀與幀之間ROI的運動方向確定HOIRM特征，該特征是介于局部特征和全局特征之間的一種中層特征，既具有局部特征的優(yōu)點又避免了提取全局特征所需的繁瑣的步驟。接著使用聯(lián)合3D HOG

3、、3D HOF的描述方法得到時空興趣點附近的局部特征，利用累加直方圖對局部特征和HOIRM特征進(jìn)行了有效融合。
　　提出了一種基于AP聚類的詞袋模型應(yīng)用于人體行為識別，在識別率上，對于多特征融合后的特征，AP聚類算法本身的聚類效果要優(yōu)于基于K-Means聚類的詞袋模型，且在特征數(shù)量比較大的情況下AP聚類獲取視覺詞典花費的時間更少；基于AP聚類的詞袋模型可以通過特征向量之間相互傳遞消息來獲取最優(yōu)的視覺詞典容量，即不需要事先指定分類數(shù)