基于時(shí)空興趣點(diǎn)的人體行為識(shí)別.pdf

1、近年來，人體行為識(shí)別技術(shù)引起了廣泛的關(guān)注，在人機(jī)交互、動(dòng)作分析、虛擬現(xiàn)實(shí)等領(lǐng)域都有著廣闊的應(yīng)用前景。本文提出了一組基于時(shí)空興趣點(diǎn)的人體行為分析方法，研究人體行為領(lǐng)域中的單人行為和雙人交互行為的識(shí)別。
　　本文首先給出了常用的三維時(shí)空興趣點(diǎn)的檢測(cè)和描述方法，并針對(duì)常用方法的不足，提出了改進(jìn)的二維Gabor時(shí)空興趣點(diǎn)檢測(cè)器，此檢測(cè)器能夠準(zhǔn)確、有效而不冗余地提取出視頻序列中的時(shí)空興趣點(diǎn)，接著簡(jiǎn)述了聚類算法和詞袋模型的原理以及在行為識(shí)別中

2、的應(yīng)用。
　　然后，利用詞袋模型，將底層的時(shí)空特征轉(zhuǎn)化為高層的直方圖特征，利用主題模型中的PLSA和LDA算法分析視頻序列中的潛在主題特征，以此來識(shí)別單人行為。針對(duì)LDA模型的訓(xùn)練時(shí)間較長(zhǎng)以及參數(shù)不夠準(zhǔn)確等不足，在原有的三層主題模型的基礎(chǔ)上，加入了標(biāo)簽層，提出了一種加標(biāo)簽的LDA模型，它限制了每個(gè)視頻序列的動(dòng)作類別要與特定的標(biāo)簽指示器相對(duì)應(yīng)，使得模型參數(shù)的訓(xùn)練更加準(zhǔn)確和快速，提高了單人行為的識(shí)別率。
　　最后，在單人行為識(shí)別

3、的基礎(chǔ)上，利用馬爾科夫邏輯網(wǎng)分析識(shí)別雙人交互行為。根據(jù)訓(xùn)練視頻序列，手動(dòng)建立完備的一階邏輯知識(shí)庫(kù)，利用馬爾科夫邏輯網(wǎng)將概率圖模型靈活的概率推理能力與統(tǒng)計(jì)關(guān)系模型強(qiáng)大的處理不確定性的能力結(jié)合在一起，將雙人交互行為分解為兩個(gè)單人行為進(jìn)行識(shí)別，再結(jié)合兩個(gè)行為之間的語(yǔ)義信息，分析得到雙人行為的類別。
　　上述算法單人行為識(shí)別借助了KTH和Weizmann數(shù)據(jù)庫(kù)，雙人交互行為識(shí)別借助了UT-interaction數(shù)據(jù)庫(kù)進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表