[发明专利]基于多特征融合的行为识别方法

权利要求书

1.基于多特征融合的行为识别方法，其特征在于，包括下述步骤： 

S1、对训练集和测试集的视频进行预处理； 

S2、对步骤S1预处理后的视频，检测特征点； 

S3、对视频中的特征立方体，提取代表不同信息的描述子，形成综合描述子； 

S4、利用步骤S3提取出来的训练集的描述子，使用K-SVD算法训练字典； 

S5、对步骤S3提取出来测试集的描述子，进行特征融合，用级联字典分类算法进行分类。 

2.根据权利要求1所述基于多特征融合的行为识别方法，其特征在于，步骤S1中对视频进行预处理的具体方法为： 

S11、采用平滑滤波的方法降低噪声的影响； 

S12、采用光照补偿的方法保证图像的对比度,补偿光照的影响； 

S13、通过背景建模的方法实现提取运动前景，其中采用：a）多层混合背景模型融合彩色空间的颜色测量和局部的纹理特征对背景进行建模；b）利用交叉双边滤波器强化相似区域，更好地检测结果和保留边界信息。 

3.根据权利要求1所述基于多特征融合的行为识别方法，其特征在于，步骤S2中，采用Harris3D角点提取算法来检测特征点，具体为： 

S21、使用初始空间尺度和时间尺度稀疏选定的组合，以及积分尺度和在时间和空间上找到时空角点函数H(8)的极大值点这些点就是兴趣点； 

S22、对每个兴趣点pj进行处理； 

S23、在(xj,yj,tj)处计算和在周边那些和δ=-0.25,0,0.25的地方计算出联合尺度

S24、选出那些使得最大化的联合积分尺度

S25、如果或者用积分尺度局部尺度 在最靠近(x_j,y_j,t_j)的位置处重新提取兴趣点 

令然后返回步骤S23重新开始执行。 

4.根据权利要求1所述基于多特征融合的行为识别方法，其特征在于，步骤S2中，采用Cuboid Feature的角点检测算法来检测特征点，具体为： 

将视频图像的像素点序列记为I，根据响应函数 

R=(I*g*h_ev)²+(I*g*h_od)²，计算每个像素点序列的响应值R，计算得到一组 

响应值R，R的极大值点即为所求兴趣点； 

其中其中w=4/π； 

其中g(x,y;σ)是2D高斯平滑滤波来提供空间兴趣点的探测，h_ev和h_od是1DGabor滤波器的正交对。 

5.根据权利要求1所述的基于多特征融合的行为识别方法，其特征在于，步骤S3中，在时空兴趣点周围提取局部块，计算其光流信息，根据光流的角度、强度计算其统计信息，得到光流的统计直方图，作为运动特征描述子；所述运动特征描述子包括HOF，HOG3D和LMP描述子。 

6.根据权利要求5所述的基于多特征融合的行为识别方法，其特征在于，所述HOF提取算法的具体步骤如下： 

（1）对视频每一帧计算光流，得到光流场； 

（2）对每一帧光流场进行直方图统计，得到每帧的描述子； 

（3）对每帧的描述子向量求和，得到特征立方体的描述子。 

7.根据权利要求5所述的基于多特征融合的行为识别方法，其特征在于，所述hog3D描述子的计算方法如下： 

（1）利用sobel算子对图像分别在两个维度进行差分运算，得到矢量图； 

（2）对矢量图进行直方图统计，得到每帧的描述子； 

（3）对每帧的描述子向量求和，得到特征立方体的描述子。