基于局部時空特征的視頻人體動作識別研究.pdf

1、在如今的計算機視覺以及多媒體系統(tǒng)中,自動識別和解釋人類行為受到研究人員的極大關(guān)注,這種研究已經(jīng)應(yīng)用到多媒體內(nèi)容的檢索與分類以及人機互動與監(jiān)控系統(tǒng)中。相關(guān)的工作焦點集中在利用移動模式中的局部時空描述技術(shù)來描述人體的動作。通過在時空域中檢測和描述特征算法來獲得特征描述子,也就是時空特征。由于基于局部時空特征的表達對在尺度、方向和光照的改變下依然具有良好的穩(wěn)定性特點,所以本文基于局部時空特征對視頻人體動作識別開展研究。
　　本文首先分析

2、了傳統(tǒng)的視頻人體動作識別系統(tǒng)的基本原理,根據(jù)系統(tǒng)結(jié)構(gòu)中的各個模塊將系統(tǒng)分為特征提取以及模型匹配。在特征提取的過程中針對現(xiàn)有的特征提取算法的缺點,提出了一種新的特征提取方法;而在模型匹配過程中,針對傳統(tǒng)的基于BoW模型在編碼過程中有較多的重構(gòu)錯誤的缺點,提出用稀疏編碼代替矢量量化來進行編碼,并結(jié)合三個正交平面(three orthogonal planes,TOP)映射的空間金字塔以及maxpooling模型來進行識別前的表達,通過將視頻

3、數(shù)據(jù)庫分為比例為7:3的訓(xùn)練視頻與測試視頻的實驗分配方式,驗證了此系統(tǒng)的有效性。
　　另外,本文還研究了基于實例到類(instance-to-class,I2C)距離的人體動作識別,提出直接通過樸素貝葉斯最近鄰(NBNN)算法及其變種局部樸素貝葉斯最近鄰(LNBNN)算法直接對測試視頻進行分類識別,通過對視頻數(shù)據(jù)庫的實驗仿真,對比傳統(tǒng)的基于實例到實例(instance-to-instance,I2I)的SVM分類算法有比較明顯的性