[发明专利]基于稠密轨迹协方差描述子的行为识别方法

权利要求书

1.一种基于稠密轨迹协方差描述子的行为识别方法，包括：

(1)对视频序列进行稠密采样，计算采样点处的稠密光流f，设光流阈值为T_flow；

(2)将光流f大小大于设定阈值T_flow的采样点视为特征点，对特征点进行筛选，再对筛选后的特征点进行追踪，以获取长度为L的行为主体运动轨迹，在每一帧中以每一个运动轨迹点为中心选取W×H大小的图像块，得到大小为W×H×L的随轨迹弯曲的轨迹立方体；

(3)对轨迹立方体中的每一个像素点，提取d维底层特征；

(4)将轨迹立方体中视频帧I对应的空间区域表示为R_I，用R_I中所有像素点提取的d维底层特征构成特征向量集合{F_(k,I)∈R^d}_k＝1,...,n，其中，n表示R_I中像素点的个数，接着计算其协方差矩阵C_I；

(5)通过Log-Euclidean度量方式将协方差矩阵投影到欧式空间，获取矩阵对数log(C_I)，并将该矩阵的上三角部分转换为一个矢量Vec(log(C_I))，按如下步骤进行：

(5a)对协方差矩阵C_I进行奇异值分解，得到U，V和Σ，其中，U为左奇异矩阵，V为右奇异矩阵，Σ＝diag(λ₁,λ₂,...,λ_j,...,λ_d)为由奇异值构成的对角矩阵，λ_j为C_I的第j个奇异值，j∈[1,d]，奇异值的个数为d，diag(·)表示构成对角矩阵；

(5b)利用以下公式计算矩阵对数log(C_I)：

log(C_I)＝U·log(Σ)·V^T＝U·diag(log(λ₁),log(λ₂),...,log(λ_j),...,log(λ_d))·V^T

其中，log(·)表示求对数；

(6)将大小为W×H×L的轨迹立方体，均分为W×H×l的m个子块，利用(5)中获取的矢量计算每个轨迹子块的描述子其中，l为轨迹子块的帧长度，m＝L/l；

(7)串接m个轨迹子块的描述子,以获取基于稠密轨迹的协方差矩阵描述子，D_CMDT＝[D_{Sub_1},D_{Sub_2},...,D_{Sub_i},...,D_{Sub_m}]^T，其中，D_{Sub_i}表示第i个轨迹子块的描述子，i∈[1,m]，[·]^T表示转置；

(8)将所有视频基于稠密轨迹的协方差矩阵描述子分为训练集VF_tr和测试集VF_te，采用BOW方法进行编码，得到训练集的码字直方图VH_tr和测试集的码字直方图VH_te；

(9)利用训练集的码字直方图VH_tr训练SVM分类模型，将测试集的码字直方图VH_te输入到训练好的SVM分类模型中进行测试，获取行为识别结果。