基于視頻的目標(biāo)感知與行為識別.pdf

1、人體行為識別的研究在最近十幾年內(nèi)取得了很大的進(jìn)步,國內(nèi)外研究者從特征提取和分類器設(shè)計(jì)這兩方面提出了不少的改進(jìn)方法,但在特征提取方面的研究尤其突出,包括全局特征(如MHI、MEI、STV等)、局部特征(如3D-HOG、cuboids、KLT等)以及兩者的結(jié)合(如 MHI+STIP等)。最近出現(xiàn)的基于稠密軌跡的行為識別方法較之前的方法取得了更好的識別效果,本文在稠密軌跡方法基礎(chǔ)上做了一定的改進(jìn)。
　　基于稠密軌跡的行為識別方法,通過采

2、樣稠密光流場,提取稠密軌跡,沿著軌跡提取了包含局部運(yùn)動模式信息的軌跡描述符、包含外形信息的方向梯度直方圖、包含運(yùn)動速度的光流直方圖以及補(bǔ)充光流包含運(yùn)動加速度的運(yùn)動邊界直方圖,將這些特征向量用單詞袋的方法進(jìn)行量化編碼,再送入分類器進(jìn)行分類。本文主要在以下兩方面做了改進(jìn):
　　(1)在現(xiàn)實(shí)生活中,好多視頻都存在相機(jī)運(yùn)動(背景運(yùn)動)的情況,MBH描述符雖然在一定程度上能夠減少勻速相機(jī)運(yùn)動的干擾,但對 HOF的影響并不能去除。基于二值化賦

3、范梯度的對象性感知方法具有計(jì)算高效、一般性對象檢測能力強(qiáng)的優(yōu)點(diǎn),本文將此方法運(yùn)用到行為識別中,先對前景目標(biāo)進(jìn)行位置感知,再對移除前景目標(biāo)后的場景(背景)進(jìn)行特征點(diǎn)提取,用提取的特征點(diǎn)估計(jì)相鄰幀的單應(yīng)性,用以調(diào)整相機(jī)運(yùn)動對光流的影響,同時剔除背景的稠密軌跡,然后在調(diào)整的光流上提取特征描述符。
　　(2)由于單詞袋方法主要存在以下幾個問題:①受限于聚類方法的弊端;②詞典大小的選擇問題;③相似性度量函數(shù)的選擇問題;④量化造成空間特性分布