基于局部時(shí)空興趣點(diǎn)的人體行為識(shí)別方法研究.pdf

1、基于視頻的人體行為識(shí)別一直是計(jì)算機(jī)視覺技術(shù)領(lǐng)域的熱點(diǎn)研究課題，在各行各業(yè)都具有廣泛的應(yīng)用前景和實(shí)用價(jià)值，如智能監(jiān)控、人機(jī)交互、視頻檢索等?；诰植繒r(shí)空興趣點(diǎn)的人體行為識(shí)別方法因其對(duì)各種干擾都具有較好的魯棒性而成為目前主流的方法，這種方法通過檢測(cè)像素值在時(shí)空鄰域有顯著變化的興趣點(diǎn)并從中提取底層特征來進(jìn)行行為描述，無需對(duì)圖像進(jìn)行前背景分割和目標(biāo)跟蹤。本文主要針對(duì)該方法進(jìn)行研究，主要的研究?jī)?nèi)容及成果如下：
　　提出了一種基于時(shí)空興趣點(diǎn)區(qū)

2、域（ROI）的運(yùn)動(dòng)區(qū)域方向直方圖HOIRM（Histogram of Oriented Interest Region Motion）特征，首先根據(jù)興趣點(diǎn)的空間位置分布提取每一幀的時(shí)空興趣點(diǎn)區(qū)域ROI(Region of Interest Points)，再根據(jù)幀與幀之間ROI的運(yùn)動(dòng)方向確定HOIRM特征，該特征是介于局部特征和全局特征之間的一種中層特征，既具有局部特征的優(yōu)點(diǎn)又避免了提取全局特征所需的繁瑣的步驟。接著使用聯(lián)合3D HOG

3、、3D HOF的描述方法得到時(shí)空興趣點(diǎn)附近的局部特征，利用累加直方圖對(duì)局部特征和HOIRM特征進(jìn)行了有效融合。
　　提出了一種基于AP聚類的詞袋模型應(yīng)用于人體行為識(shí)別，在識(shí)別率上，對(duì)于多特征融合后的特征，AP聚類算法本身的聚類效果要優(yōu)于基于K-Means聚類的詞袋模型，且在特征數(shù)量比較大的情況下AP聚類獲取視覺詞典花費(fèi)的時(shí)間更少；基于AP聚類的詞袋模型可以通過特征向量之間相互傳遞消息來獲取最優(yōu)的視覺詞典容量，即不需要事先指定分類數(shù)