基于多特征融合的运动人体行为识别

《基于多特征融合的运动人体行为识别》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29卷第8期计算机应用研究Vol．29No．82012年8月ApplicationResearchofComputersAug．2012*基于多特征融合的运动人体行为识别ab赵海勇，李成友(聊城大学a．计算机学院;b．网络信息中心，山东聊城252000)摘要:提出了一种基于特征级融合的运动人体行为识别方法。应用背景差分法和阴影消除技术获得运动人体区域和人体轮廓;采用R变换提取人体区域特征，采用小波描述子提取人体轮廓特征;然后将这两种具有一定互补性的特征采用K-L变换进行融合，得到一个分类能力更强的特征;最后，在传统支持向量机的基础上，结合模糊聚类技术和决策树构建多级二叉树

2、分类器，从而实现行为多类分类。该方法在Weizmann行为数据库上进行了实验，实验结果表明所提出的识别方法具有较高的识别性能。关键词:行为识别;特征融合;小波描述子;支持向量机中图分类号:TP319文献标志码:A文章编号:1001-3695(2012)08-3169-04doi:10．3969/j．issn．1001-3695．2012．08．098Humanactionrecognitionbasedonmulti-featuresfusionabZHAOHai-yong，LICheng-you(a．SchoolofComputerScience＆Technology，b

3、．NetworkInformationCenter，LiaochengUniversity，LiaochengShandong252000，China)Abstract:Thispaperpresentedarecognitionalgorithmofhumanactionbasedonmulti-featuresfusion．First，throughthebackgroundsubtractionandshadowelimination，obtainedhumanmotionsilhouettesandcontours．Itdescribedhumansilhouett

4、efeaturesbyRtransform．ThenfusedthesefeatureswithhumancontourfeatureswhichwereextractedusingwaveletdescriptorbyK-Ltransformtogetanewfeaturewhichhadhigherdiscriminatingpower．Atlast，throughintegratingfuzzyclusteringanddecisiontree，constructedamultilevelbinarytreeclassifier．Itevaluatedthemetho

5、dontheWeizmannactiondataset．Theexper-imentalresultsshowthattheapproachhasefficientrecognitionperformance．Keywords:humanactionrecognition;multi-featuresfusion;waveletdescriptor;supportvectormachine考虑可区分性，而且要考虑提取时的难易程度。两类基于形状0引言的特征———人体侧影和轮廓能够鲁棒地获得，因此经常被用于行为特征提取。基于人体侧影的方法应用范围广泛，但是由于近年来，人体行为识

6、别已经成为计算机视觉中的热点研究［1］将整个人体形状所包含的像素考虑在内，计算复杂度较高。基领域。作为人体运动分析的高级阶段，它在智能视频监控、于人体轮廓的方法只考虑人体形状边界所包含的像素，因而计视频注解、人机交互和虚拟现实等领域具有广泛的应用价值。算复杂度较低，但是由于需要准确提取人体轮廓，这就限制了然而，人体行为复杂且多样，对分类的定义模糊，不同的观察者其应用范围。可能将同一段行为运动识别为不同的结果:一方面，相似的行人体行为识别的识别方法中广泛采用了基于图模型的推为在时间尺度上往往不同，并且同一种行为在不同的环境中通理方法，这种方法大体上可以分为基于产生式模型(ge

7、nerative［2］常具有不同的含义;另一方面，同一段行为可能同时被判别models，GM)的方法和基于判别式模型(discriminativemodels，为属于几个类别，因为行为是一些基本运动单元的自然组合。DM)的方法。隐马尔可夫模型(hiddenMarkovmodels，HMM)另外，数据采集的真实环境复杂多样，行为序列分割技术还不是常用的产生式模型，它是一种有效的时变信号处理方法，隐十分完善，以上种种因素使得人体行为识别成为一个非常具有含了对时间的校正，并提供了学习机制和识别能力。但产生式挑战性的研究领