[发明专利]一种基于语义最大间隔聚类的多视角行为识别方法

说明书

技术领域

 本发明属于智能视频监控技术领域，具体涉及一种基于语义最大间隔聚类的多视角行为识别方法。

背景技术

 行为识别在视频监控中扮演着重要的角色，它可以识别出视频中人体的行为动作，为危险行为报警、特定行为识别做出贡献。行为识别中最简单最有效的方法当属基于词包模型的方法，此方法先对视频进行特征提取，然后将所有的特征聚类，然后根据每个视频特征在聚类中心出现的频率进行直方图化。但是此方法的一个缺点是没有考虑到时空特征。Zhang等人利用基于语义的线性编码方式不仅考虑了特征之间的时空关系而且减少了重构误差。Ryoo等人提出一种“特征×特征×关系”直方图去同时获取特征点之间表象的关系。Kovashaka等人利用近邻时空兴趣点设计一种层级直方图来弥补词包模型的不足。然而当动作的拍摄视角发生改变时，这些方法的正确率将会下降。这是因为当从不同视角拍摄时即使是相同类别的动作看起来也会不同，因此从一个视角训练而从另一个视角测试时正确率就会下降。而直觉的方法是在每一个视角都进行训练，但是这样需要足够多的样本，在实际应用中可行性不大。因此有很多方法致力于解决这种多视角行为识别的问题。Farhadi等人用最大间隔聚类法产生基于分割的特征，然后把这些分隔值迁移到目标视角对应的视频帧中。Liu等人利用无标签的样本对训练一个双语词典，然后对动作视频进行表示。

发明内容

鉴于上述现状，本发明的目的至少在于解决上述多视角行为识别的技术问题，为此，本发明提供一种基于语义最大间隔聚类的多视角行为识别方法，其特征在于，所述方法包括以下步骤：

步骤1，首先提取每个动作视频样本中的每帧的全局外形流特征，然后基于该全局外形流特征，利用词包模型对每个动作视频样本的每帧产生多维的全局外形流特征的特征向量，并将该特征向量作为相应动作视频样本帧的特征表示向量；

步骤2，利用多次随机映射，对上述特征表示向量进行降维；

步骤3，对于每次随机映射所降维得到的特征向量，利用语义最大间隔聚类的方法进行聚类；

步骤4，利用步骤S130中所训练出的模型对所有样本中的源目标样本进行判断，由此每个源目标样本能够得到多个0、1编码的特征，记为分离特征，然后直接将源目标样本的分离特征作为目标域的分离特征；

步骤5，将该目标域的分离特征作为输入，利用支持向量机训练分类模型；

步骤6，利用该支持向量机的分类模型得到目标域的测试样本的分离特征，并利用最近邻分类器对其分类。

根据本发明进一步的实施方式，所述步骤2中，每次随机映射的公式为：

其中，是第i帧动作视频样本的特征表示向量，是降维后的第i帧特征向量，为高斯随机矩阵，元素间相互独立且为零均值、单位方差的高斯随机变量。

根据本发明进一步的实施方式，所述步骤3中，利用语义最大间隔聚类的方法进行聚类，该聚类的模型训练公式如下：

，

               ，

，

，

，

其中，是正则参数控制连续帧之间的约束， 是的类别标签，y是的向量，和是分类器参数，和是松弛变量，是映射函数，是类平衡常数，是元素均为1的向量，是平衡间隔和松弛变量惩罚的参数，T表示转置；

其中，

其中，N表示所有帧的数量，为所有帧的置信度向量，是拉普拉斯矩阵，是对角矩阵且其元素；此外，S矩阵的元素描述的帧与帧之间的关系，如果i和j是相邻帧，则，否则为0。

根据本发明进一步的实施方式，所述步骤5中，来训练支持向量机的分类模型如下：

，

，

，

       其中，和是分类器参数，表示目标域的分离特征，是松弛变量，是平衡间隔和松弛变量惩罚的参数。。

附图说明

 当结合附图阅读下文对示范性实施方式的详细描述时，这些以及其他目的、特征和优点将变得显而易见，在附图中：

      图1示出了根据本发明优选实施例的一种基于语义最大间隔聚类的多视角行为识别方法的简化流程图；以及

       图2示出了本发明的一种基于语义最大间隔聚类的多视角行为识别方法在IXMAS数据库上的识别结果。

具体实施方式