[发明专利]一种基于动作子空间与权重化行为识别模型的行为识别方法

说明书

技术领域

本发明涉及的是一种基于动作子空间与权重化行为识别模型的行为识别方法。

背景技术

人类行为识别有着广泛的应用前景，如视频监控和监测、对象视频摘要、智能接口、人机交互、体育视频分析、视频检索等。吸引了越来越多计算机视觉研究者的关注。通常，行为识别涉及两个重要问题。其一是如何从原始视频数据中提取有用的运动信息，其二是如何建立运动参考模型，使训练和识别方法能有效地处理空间和时间尺度变化的类内类似行为。

行为识别可以利用各种线索，例如，关键姿势、光流、局部描述符、运动轨迹或特征跟踪、轮廓等。但是使用关键帧缺乏运动信息。根据光流或兴趣点的行为识别在平滑的表面，运动奇异性和低质量的视频情况下是不可靠的。由于人体外表和关节出现大的变化，特征跟踪也并非容易实现。

由于人类行为是一种时空行为，时空模型(如Hidden Markov Models，HMMs及其变种)已被广泛用于人体动作建模。然而，该生成模型通常使用了强烈的独立性假设，这使得它很难适应多种复杂的特征或观测中的远距离依赖关系。由Lafferty提出的条件随机场模型(CRFs)避免观察之间的独立性假设，同时将复杂的特征和远距离依赖关系融合进模型中。

参考文献：

[1]S.Wang，Q.Ariadna，L.P.Morency，et al.Hidden conditional random fields for gesture recognition[C].CVPR，US：New York，2006，2：1521-1527.

[2]Z.W.Wang，S.Z.Li，S.Z.Su，et al.A quickly-speed running watermarkingalgorithm based on quantum evolutionary algorithm[J].Journal of Optoelectronics Laser，2010，21(5)：737-742.

[3]G.V.Veres，L.Gordon，J.N.Carter，et al.What image information is important in silhouette-based gait recognition？[C].CVPR，US：Washington，DC，2004，2：776-782.

[4]Y.Dedeoglu，B.U.U.Güdükbay，et al.Silhouette-based method forobject classification and human action recognition in video[C].ECCV 2006Workshop on HCI，Austria：Graz，2006：64-77.

[5]L.wang，d.suter.Recognizing Human Activities from Silhouettes：Motion Subspace and Factorial Discriminative Graphical Model[C].US：Minneapolis，MN，CVPR，2007：1-8.

[6]C.Schuldt，I.Laptev，and B.Caputo.Recognizing human actions：a local SVM approach[C].ICPR，UK：Cambridge，2004，3：32-36.

[7]N.Nguyen，D.Phung，S.Venkatesh，et al.Learning and detecting activities from movement trajectories using the hierarchical hidden Markov models[C]，CVPR，US：San Diego，CA，2005，2：955-960.

[8]J.Ben-Arie，Z.Wang，P.Pandit，et al.Human activity recognition using multidimensional indexing[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2002，24(8)：1091-1104.