[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

说明书

技术领域

本发明涉及基于内容的视频分析与动作识别领域，特别涉及多运动目标动作行为识别的训练方法和识别方法。

背景技术

随着信息技术的发展与应用，越来越多的数字化内容尤其是视频数据被不断地生产出来，这些视频数据中蕴含着丰富的语义信息，如何有效发掘利用这些信息是领域内的前沿研究方向。

视频内容通常由大量的物体及其运动行为所构成，对这些动作行为进行分析理解是视频内容分析的重要组成部分。随着视频监控系统的广泛部署，对视频中的行为分析和识别的需求也在不断增加，对分析识别内容的难度和准确性的要求也越来越高。

现有技术中存在对视频中的动作行为进行分析的相关方法，这些方法存在以下两个特点。第一个特点是现有方法主要针对少数目标的动作行为进行分析，比如对单个人的动作进行分类识别，对两个人有交互的行为进行识别等，缺乏对三人以上的群体动作行为进行分类的有效方法。这一特点使得现有方法在对群体动作行为进行分类、识别时效果不佳。例如，现有的广场监控系统目前能识别个人的行为，但还无法较好解决多人行为，比如打群架。第二个特点是现有方法在为运动行为建模时没有充分考虑动作行为自身的不确定性，对动作行为模式的表达能力不强，无法应用于对多人行为等类内差别很大的行为模式进行描述和分类。

针对现有技术中的动作行为分析方法所存在的上述问题，在参考文献1“Detecting Group Activities using Rigidity of Formation，Saad M.Khan andMubarak Shah，Proceedings of the 13th annual ACM international conferenceon Multimedia，page：403-406，2005”中提出了从整体考虑多人行为，并根据多人在三维空间中的位置结构不变性来进行识别的方法。但这种方法忽略了个人层次上的信息，并且仅依靠空间结构的关系约束并不能很好地适应多人行为表现多变的特征。在参考文献2“Learning Group Activity inSoccer Videos from Local Motion，Yu Kong，Weiming Hu，Xiaoqin Zhang，Hanzi Wang，and Yunde Jia，LECTURE NOTES IN COMPUTER SCIENCE，Asian Conference on Computer Vision(ACCV)，2009”中也提出过使用局部特征来进行群体行为识别的方法，但这种方法仅使用局部表观特征作为基础，不能从较高的语义层次上描述多人行为模式。

发明内容

本发明的目的是克服现有的动作行为分析方法在群体行为识别上的不足，从而提出多运动目标动作行为识别的训练方法和识别方法。

为了实现上述目的，本发明提供了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。

上述技术方案中，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。

上述技术方案中，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。