[发明专利]多运动目标动作行为识别的训练方法和识别方法

权利要求书

1.一种多运动目标动作行为识别的训练方法，包括：

步骤1)、从视频数据中提取每个运动目标的运动轨迹信息；

步骤2)、为所述运动目标的运动轨迹信息分层，在各个所述层次上为多运动目标动作行为的运动模式建模；所述层次包括独立运动目标的层次、两个运动目标的交互层次以及多个运动目标的群体层次；

步骤3)、综合所述视频中的全局和局部的运动信息对所述运动模式的模型进行特征描述；所述特征至少包括使用高斯过程描述运动轨迹的三维超参数向量；

步骤4)、根据步骤3)所得到的特征训练分类器。

2.根据权利要求1所述的多运动目标动作行为识别的训练方法，其特征在于，在所述的步骤2)中，所述的在各个所述层上为多运动目标动作行为的运动模式建模包括：

步骤2-1)、在独立运动目标的层上，为各个独立运动目标的运动行为建模；

步骤2-2)、在两个运动目标交互的层上，将多个运动目标中的任意两个的交互轨迹来描述运动目标间的交互行为，为任意两个运动目标间的交互行为建模；

步骤2-3)、在多个运动目标群体的层上，根据所有运动目标的交互轨迹集合所构成的群体轨迹为多个运动目标群体建模。

3.根据权利要求1所述的多运动目标动作行为识别的训练方法，其特征在于，在所述的步骤3)中，所述特征还包括用于表示运动强度的一维向量和用于表示运动的复杂程度的一维向量，所述的步骤3)包括：

步骤3-1)、对步骤2)得到的所有运动轨迹进行高斯过程拟合，用迭代优化的方法得到的三维超参数向量作为对全局持续的运动模式的特征描述；

步骤3-2)、根据运动轨迹信息，计算运动目标速度大小的均值，作为对运动强度的特征描述；

步骤3-3)根据运动轨迹信息，计算运动目标速度方向改变的程度，作为对运动复杂度的特征描述。

4.根据权利要求1所述的多运动目标动作行为识别的训练方法，其特征在于，所述的步骤4)包括：

步骤4-1)、将各个层上的特征做词袋操作，得到归一化特征直方图；

步骤4-2)、利用所述的归一化特征直方图训练分类器。

5.根据权利要求4所述的多运动目标动作行为识别的训练方法，其特征在于，在所述的步骤4-2)中，首先将各个层上的归一化特征直方图连接成一个特征向量，然后利用该特征向量训练分类器。

6.根据权利要求4所述的多运动目标动作行为识别的训练方法，其特征在于，在所述的步骤4-2)中，首先利用各个层上的归一化特征直方图分别训练分类器，所述分类器的识别结果的综合为动作行为识别的最终结果。

7.一种多运动目标动作行为识别方法，包括：

步骤1)、从待识别视频数据中提取每个运动目标的运动轨迹信息；

步骤2)、为所述运动目标的运动轨迹信息分层，在各个所述层上为多运动目标动作行为的运动模式建模；所述层包括独立运动目标的层、两个运动目标交互的层以及多个运动目标群体的层；

步骤3)、综合所述视频中的全局和局部的运动信息对所述运动模式的模型进行特征描述；所述特征至少包括使用高斯过程描述运动轨迹的三维超参数向量；

步骤4)、利用权利要求1的多运动目标动作行为识别的训练方法训练得到的分类器对步骤3)所得到的特征加以识别，从而完成对多运动目标的动作行为的识别。

8.一种多运动目标动作行为识别方法，包括：

步骤1)、从待识别视频数据中提取每个运动目标的运动轨迹信息；

步骤2)、为所述运动目标的运动轨迹信息分层，在各个所述层上为多运动目标动作行为的运动模式建模；所述层包括独立运动目标的层、两个运动目标交互的层以及多个运动目标群体的层；

步骤3)、综合所述视频中的全局和局部的运动信息对所述运动模式的模型进行特征描述；所述特征包括使用高斯过程描述运动轨迹的三维超参数向量、用于表示运动强度的一维向量和用于表示运动的复杂程度的一维向量；

步骤4)、利用权利要求3的多运动目标动作行为识别的训练方法训练得到的分类器对步骤3)所得到的特征加以识别，从而完成对多运动目标的动作行为的识别。