[发明专利]一种基于局部约束低秩编码的人体行为识别方法

权利要求书

1.一种基于局部约束低秩编码的人体行为识别方法，其特征在于，包括以下步骤：

1)样本库的特征提取步骤：

1-1)对视频图像灰度转换并提取行为轨迹特征形成轨迹描述子；

1-2)在长度为L的轨迹周围提取N×N的区域，构成一个空间-时间立方体，再在这个立方体里面再进行一次网格划分，在空间上分为n_σ份，在时间上划分为n_τ份；最后在立方体n_σ×n_σ×n_τ个区域内做HOG、HOF和MBH特征提取得到特征X；

2)字典生成步骤：从数据集中选取训练样本，通过学习得到一个针对当前数据集的字典B，学习通过如下迭代计算实现：

2-1)固定字典B，更新编码系数Z，字典B的初始通过对步骤1)得到的特征进行k均值聚类得到，k为字典的字数：

其中，Z₁、Z₂均为计算Z的辅助变量，arg min表示取使得目标函数最小的值，核范数||Z||_*是矩阵Z的奇异值之和，||·||_F为F范数，Y₁是拉格朗日乘子，λ₁表示为平衡秩范数的权重系数，μ是惩罚系数，μ＞0；

其中，z_1,i和z_2,i分别表示Z₁和Z₂中第i个列向量，d_i为距离系数， x_i是步骤1)得到的特征X的第i列向量，I为单位矩阵，dist(x_i,B)＝[dist(x_i,b₁),...,dist(x_i,b_k)]^T，dist(x_i,b_j)是元素x_i和字典第j个字b_j之间的欧式距离，σ是控制分布的带宽；

当所有列向量z_1,i计算完毕后，得到Z₁，用Z₁对Z赋值，Z＝Z₁；

2-2)固定编码Z，更新字典B，判断是否满足迭代结束条件，如是，则字典B生成，如否，返回步骤2-1)：

3)对待测图像进行特征提取得到特征X，对特征X中的每一列向量x_i都用字典B进行线性表达，得到当前的特征X的编码系数Z，求编码系数Z的目标函数如下；

其中，m为特征X的总列数，E为噪声，λ₂是局部约束项的权重系数，trace为矩阵的迹；

最后根据求的辅助变量Z₁对Z赋值；

4)行为识别步骤：

4-1)通过步骤3)求得的编码系数Z，采用最大池化法得到Z中每一行的最大值y_i＝max(|z_i1|,|z_i2|,...|z_in|),i＝1,2,...,K，K为编码系数Z总行数，n为编码系数Z总列数；

步骤4-2：得到矩阵Z中每一行的最大值y_i后，取最大值中的前T个，分别找出这T个值所对应的相应类别，找到该类别在编码系数Z中对应的系数，并把相同类别的系数叠加起来，得到的叠加结果的最大值所对应的类别即为最终的识别结果。