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注,這種研究已經(jīng)應用到多媒體內(nèi)容的檢索與分類以及人機互動與監(jiān)控系統(tǒng)中。相關的工作焦點集中在利用移動模式中的局部時空描述技術來描述人體的動作。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)結構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