基于時(shí)空金字塔稀疏編碼的動(dòng)作識(shí)別.pdf

1、基于視覺的人體動(dòng)作識(shí)別是模式識(shí)別、計(jì)算機(jī)視覺和圖像處理等多個(gè)學(xué)科的交叉研究課題,在人機(jī)交互、基于內(nèi)容的視頻檢索、運(yùn)動(dòng)視頻分析和智能視頻監(jiān)控等領(lǐng)域有著深遠(yuǎn)的理論研究意義和很強(qiáng)的應(yīng)用價(jià)值。由于人體動(dòng)作的多樣性、攝像機(jī)位置和復(fù)雜環(huán)境等因素使得動(dòng)作識(shí)別至今仍然是一個(gè)非常具有挑戰(zhàn)性的課題。
　　本論文在動(dòng)作識(shí)別的主要框架 BoW模型和支持向量機(jī)方法的基礎(chǔ)上,提出了人體動(dòng)作識(shí)別的改進(jìn)方法-時(shí)空金字塔稀疏編碼方法,用于視頻中的人體動(dòng)作識(shí)別。本文

2、將空間金字塔匹配方法擴(kuò)展到視頻分析中,同時(shí)結(jié)合稀疏編碼方法,從時(shí)間和空間兩個(gè)維度來描述視頻,根據(jù)視頻中的空間結(jié)構(gòu)以及時(shí)間順序計(jì)算視覺詞共同出現(xiàn)的次數(shù)來識(shí)別視頻中的動(dòng)作信息。實(shí)驗(yàn)的主要流程是首先從密集光流域提取密集特征點(diǎn),并利用位移信息形成特征描述符;其次利用稀疏編碼方式構(gòu)建視覺詞典來量化特征描述符,同時(shí)為視頻構(gòu)建時(shí)空金字塔模型;最后對(duì)視頻進(jìn)行分類,達(dá)到識(shí)別視頻中人體動(dòng)作的目的。
　　本文采用了經(jīng)典的Bag of Words框架來完