基于复合时空特征的人体行为识别方法-论文.pdf

《基于复合时空特征的人体行为识别方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第26卷第8期计算机辅助设计与图形学学报Vo1．26No．82014年8月JournalofComputer—AidedDesign&ComputerGraphicsAug．2014基于复合时空特征的人体行为识别方法秦华标，张亚宁，蔡静静(华南理工大学电子与信息学院广州510640)(eehbqin@scut．edu．cn)摘要：为了有效地表征人体行为中的姿势信息和运动信息，提高行为识别算法的准确率，提出一种融合三维方向梯度直方图特征与光流直方图特征的复合时空特征，并利用其进行人体行为识别．首先采用复合时空特征综合描述三维时空局部区域的像素分布和像素变化；然后构建复合时空特

2、征词典，并根据该特征词典完成对人体行为序列特征集合的描述；最后采用主题模型构建人体行为识别算法，对行为序列中提取的复合时空特征进行分类，实现人体行为的识别．实验结果表明：该方法能有效地提高人体行为识别准确率．关键词：行为识别；梯度特征；主题模型；光流特征中图法分类号：TP391．4HumanActionRecognitionBasedonCompositeSpatio’TemporalFeaturesQinHuabiao，ZhangYaning，andCaiJingjing(SchoolofElectronicandInformationEngineering，SouthC

3、hinaUniversityofTechnology，Guangzhou510640)Abstract：Toimprovetheaccuracyofhumanactionrecognitionalgorithm，anovelapproachforactionrecognitionbasedoncompositespatio—temporalfeaturesisproposed，whichcombines3Dhistogramsoforientedgradientsfeaturewithhistogramsofopticalflowfeature．Firstly，thecom

4、positespatio—temporalfeaturesareusedtOdescribethepixelsdistributionandpixelsvariancein3Dspatio—temporallocalarea．Thenthecompositespatio—temporalfeaturedictionaryisbuiltandusedtodescribethebehaviorsequencefeaturevector．Lastly，thetopicmodelisusedtOconstructthehumanactionrecognitionalgorithmt

5、hatclassifiesthecompositefeaturesextractedfromthebehaviorsequence，whichleadstotheactionrecognition．Theexperimentalresultsshowthattheproposedalgorithmimprovestheaccuracyofhumanactionrecognitioneffectively．Keywords：actionrecognition；gradientfeature；topicmodel；opticalflowfeature人体行为分析是视频理解的重要

6、研究方向，在将二维角点检测算法推广到三维特征点检测中，然虚拟现实、智能视频监控及人机交互等方面具有广后通过支持向量机等分类器对行为进行分类，具有泛的应用前景．按照行为识别模型结构的不同，人体很好的抗噪声的性能，且不容易受到视角变化的影行为识别方法可分为基于状态的方法和基于时空特响；但该算法检测的时空特征点过少且不稳定．文献征的方法．基于时空特征的方法对光照及背景场景[2]采用运动历史图特征描述行为，先采用差分图像的变化具有较强的适应能力，为此研究人员提出一定位行为感兴趣区域，然后累积差分图像，最后通过系列时空特征描述算法，在实际中得到了广泛的应比较累积差分图像实现人体行为识

7、别；此方法能描用．文献[1]采用稀疏表达来描述人体行为，并首次述行为识别序列的前后时间关系，但容易受到视角收稿日期：2013-06—28；修回日期：2013—12—04．基金项目：国家自然科学基金(60972136)；广东省科技计划项目(2010B010600014)．秦华标(1967一)男，博士，教授，硕士生导师，主要研究方向为计算机视觉、无线通信网络、嵌入式系统、FPGA设计；张亚宁(1988一)男，硕士，主要研究方向为图像处理、计算机视觉；蔡静静(1989一)女，硕士研究生，主要研究方向为机器学习、计算机视觉