基于視頻的人體行為識(shí)別算法研究.pdf

1、人體行為識(shí)別作為計(jì)算機(jī)視覺(jué)研究熱點(diǎn)，在智能監(jiān)控、人機(jī)交互、運(yùn)動(dòng)分析等領(lǐng)域具有廣泛的應(yīng)用前景。本文運(yùn)用時(shí)空特征協(xié)方差矩陣表征視頻中人體行為，分別研究并改進(jìn)了基于Log-Euclidean詞袋模型與基于Stein核稀疏編碼的人體行為識(shí)別算法，主要內(nèi)容如下：
　　1.針對(duì)行為描述子，探討了特征協(xié)方差矩陣表征人體行為，協(xié)方差矩陣不僅能融合不同類(lèi)型的特征，且維數(shù)較低，是強(qiáng)有力的行為描述子。針對(duì)行為特征提取，綜合分析梯度與光流的行為表征能力，

2、重新組合改進(jìn)梯度光流特征表征邊緣與運(yùn)動(dòng)特性，同時(shí)引入了魯棒性高的基于時(shí)空輪廓信息的外觀特征。
　　2.研究了一種基于改進(jìn)的Log-Euclidean詞袋模型的算法。提取視頻段中時(shí)空立方塊特征協(xié)方差矩陣，為了利用歐式空間幾何特性，將協(xié)方差矩陣轉(zhuǎn)換為L(zhǎng)og-Euclidean空間向量。改進(jìn)Log-Euclidean詞袋模型進(jìn)行行為建模，采用譜聚類(lèi)代替?zhèn)鹘y(tǒng)的聚類(lèi)算法進(jìn)行字典學(xué)習(xí)，譜聚類(lèi)操作簡(jiǎn)單，性能優(yōu)于傳統(tǒng)聚類(lèi)方法如k-means，采用

3、局部約束線(xiàn)性編碼代替軟/硬編碼、稀疏編碼等，重構(gòu)良好，局部平滑稀疏，且可快速計(jì)算。結(jié)合空間金字塔模型進(jìn)行特征池化，整合行為特征，采用非線(xiàn)性支撐向量機(jī)進(jìn)行分類(lèi)識(shí)別人體行為。
　　3.研究了一種基于Stein核稀疏編碼的算法。為避免時(shí)空立方塊特征協(xié)方差矩陣的高計(jì)算復(fù)雜度與數(shù)據(jù)冗余，提取視頻中相互重疊的視頻段特征協(xié)方差矩陣，保證行為特征多樣性；為了改進(jìn)視頻段特征協(xié)方差矩陣的判別能力，引入基于對(duì)稱(chēng)正定矩陣空間的協(xié)方差矩陣降維方法，不僅可降