基于特征表示的行為識別方法研究.pdf

1、行為識別是計算機(jī)視覺領(lǐng)域的重要研究方向之一，在智能監(jiān)控、視頻檢索、視頻摘要、智能機(jī)器人和人機(jī)交互等系統(tǒng)中有著廣泛的應(yīng)用。與目標(biāo)檢測和識別等計算機(jī)視覺問題類似，行為識別方法的關(guān)鍵是視頻的特征表示。由于自然場景視頻在背景、視角、尺度和光照等方面巨大的差異性，及人體行為在外觀和執(zhí)行方式上的多樣性，視頻的特征表示方法深具挑戰(zhàn)，且極大程度上影響行為識別方法的性能。
　　特征表示方法將視頻從樣本空間映射到特征空間，依據(jù)特征所含語義信息的多少，

2、可以將其簡單的分為低層、中層和高層三類。本論文在分析和總結(jié)已有的視頻特征表示方法的基礎(chǔ)上，對基于中層特征表示和高層特征表示的行為識別方法進(jìn)行了研究。
　　首先，基于對低層、中層和高層特征表示三者之間關(guān)系的分析，提出了一種分層的特征圖模型，該模型以視頻的低層特征為基礎(chǔ)，通過逐層地構(gòu)建特征圖來得到視頻的高層特征表示，每一層的特征圖整合了特征的自身信息與特征之間的時空關(guān)系，能更完備的描述行為。為了使用分層的特征圖模型識別行為，本文具體地

3、描述了各層特征圖的構(gòu)建方法，并提出了一種分層的圖匹配方法計算視頻之間的相似度。在公開的行為數(shù)據(jù)集上的實驗結(jié)果驗證了本方法的有效性。
　　其次，考慮到高層特征表示能力的不足，及中層特征較好的表示能力和判別能力，提出了一種基于中層行為部件自動挖掘的行為識別方法。該方法通過訓(xùn)練候選的行為部件檢測器和選擇有效的行為部件檢測器來解決行為部件的挖掘問題。為了得到候選的行為部件檢測器，提出了結(jié)合特征白化和交叉驗證的訓(xùn)練算法；為了選擇有效的行為部

4、件檢測器，提出了Coverage-Entropy Curve評估檢測器的能力，并定義檢測器之間的相似性度量減少冗余度。在多個公開的行為數(shù)據(jù)集上的實驗結(jié)果表明本方法挖掘的行為部件能有效地識別行為。
　　然后，針對行為部件挖掘算法中有效行為部件檢測器的選擇問題，提出了基于特征選擇的行為部件自動挖掘方法。由于常用的選擇算法通常采用啟發(fā)式的準(zhǔn)則，未能直接地分析檢測器分類行為的能力，也不能保證選出的行為部件檢測器能最優(yōu)地識別行為，因此，本文