基于時空興趣點的人體行為識別研究.pdf

1、人體行為識別是針對人體運動對象的檢測、分類和識別，因其在人機交互理解、視頻搜索等應(yīng)用上的價值和潛力成為計算機視覺領(lǐng)域中的熱門研究方向。本文構(gòu)造了視頻行為識別框架，以局部興趣點生成的局部時空立方體作為特征，用多維度的結(jié)構(gòu)綜合的描述方式對特征做增強描述，改進了詞袋模型構(gòu)造方法，通過訓(xùn)練與測試得到分類識別結(jié)果。主要工作如下:
　　(1)在特征提取階段，研究和實驗相關(guān)局部興趣點的提取方法以及效果。分析當前流行的興趣點提取方法Cuboids

2、和Harris3D提取方法，并通過實驗選擇出較為魯棒的提取方法，探索本文的興趣點提取方法和提取規(guī)模，通過實驗確定空間尺度與時間尺度參數(shù)，從而得到局部時空立方體的大小。
　　(2)在特征描述階段，針對LBP-TOP算法存在的不足本文提出兩點改進。
　?、籴槍BP-TOP算法描述時忽略時域和空域上變化所具有差異性的問題，本文提出一種新的針對時域特點的描述算法TLBP，能夠有效的描述時域中幀間的變化關(guān)系，反映時序上的變化特性。<

3、br>　?、跒榱烁浞置枋鎏卣餍畔ⅲ岢鲆环N針對時空立方體的多維度描述算法DT-LBP-TOP，在時域和空域上都能獲得充足的特征描述信息，實現(xiàn)對視頻行為特征更豐富的描述。
　　(3)在詞袋模型的構(gòu)造上，針對原模型中存在的不足提出改進。
　　針對原始詞袋模型方法在構(gòu)造字典時對特征單一劃分易造成誤差的問題，提出使用K-SVD稀疏編碼構(gòu)造字典，將特征劃分到多個類別之中，減少單一劃分的誤差;
　　針對原始詞袋模型易丟失特征之間