[发明专利]基于多特征融合的行为识别方法

说明书

技术领域

本发明涉及图像识别与处理的技术领域，特别涉及一种基于多特征融合的行为识别方法。 

背景技术

在计算机视觉领域中，行为识别随着人体运动分析的发展在智能视频监控领域具有越来越高的应用价值。但是由于：1）数据采集的环境复杂多样，行为序列背景分割技术还不十分完善;2）在时间尺度上以及空间尺度上，同一种行为或者相似行为通常具有不同的含义；3）由于分类器的学习能力有限而且兴趣点提取的几种方法有利有弊，所以同一段视频行为同时被判别为属于几个类别常常发生。以上种种因素使得人体行为识别成为一个非常具有挑战性的研究领域。 

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于多特征融合的行为识别方法。 

本发明的目的通过下述技术方案实现： 

基于多特征融合的行为识别方法，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。 

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。 

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(x_j,y_j,t_j)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 σ~2i,j=1sσi,j~2,τi,j~2=1sτi,j~2]]>在最靠近(x_j,y_j,t_j)的位置处重新提取兴趣点