室內場景中的人體行為識別算法研究.pdf

1、人體行為識別技術是指計算機通過分析視頻序列，實現(xiàn)計算機自動檢測視頻圖像中的人體行為并識別行為具體類型的過程。行為識別的本質是時變數(shù)據(jù)的分類問題，論文通過研究室內日常生活中人體行為的特點，在對比分析現(xiàn)有行為識別算法的基礎上，針對室內場景，重點就特征提取和行為分類兩個方面展開研究，主要研究成果如下：
　?。?）特征提?。横槍Φ讓泳植繒r空特征數(shù)量少以及中層特征表達能力弱的問題，結合視頻深度信息提出一種用于行為識別的時空深度特征(Spat

2、ial Temporal Depth Feature STDF)。該特征依據(jù)運動劇烈區(qū)域在行為識別中提供更多的判別信息的思想，利用視頻圖像的深度信息確定人體運動顯著性區(qū)域，通過計算區(qū)域內光流特征作為度量區(qū)域活躍度的能量函數(shù)，依據(jù)能量函數(shù)對運動顯著性區(qū)域進行高斯取樣，使樣本點分布于運動劇烈區(qū)域。將采集到的樣本點作為動作底層特征描述人體行為，利用詞袋模型完成中層特征表達。實驗中，提取 STDF特征后利用支持向量機分類器對行為進行識別。實驗結

3、果表明，在SwustDepth數(shù)據(jù)集中，基于時空深度特征的人體行為識別算法的平均行為識別率達92％。
　?。?）無監(jiān)督式實時連續(xù)行為識別：針對現(xiàn)有的行為識別算法多是只能對已經(jīng)分割成單一行為的視頻片段進行識別的不足，提出了一種結合譜聚類和主題模型的無監(jiān)督式行為識別算法。算法利用譜聚類生成視覺單詞，避免傳統(tǒng)聚類（K-means等）方法所導致的局部極值和初值敏感的問題。利用譜聚類生成詞袋模型中視覺單詞，將視覺單詞作為主題模型的輸入，用于