[发明专利]一种基于深度递归分层条件随机场的人体行为识别方法

摘要

本发明公开了一种基于深度递归分层条件随机场的人体行为识别方法，首先，分别提取由RGB‑D摄像机拍摄行为动作场景的RGB‑D视频中行为动作主体的人体姿态和可能与其相互交互的物体信息，将这两种信息作为深度递归分层条件随机场的中间层状态，建模预测输出目标状态层中当前状态和当前所有已发生的预测输出状态集合的相关性，构建深度递归分层条件随机场模型；其次，采用BCFW优化方法驱动的结构化支持向量机分类器学习关于人体行为序列的判别分类模型；最后，根据学习得到的模型参数和即得判别模型预测待测试的人体行为序列的类别。本发明对行为动作具有显著的鲁棒性，在一定程度上提高了人体行为动作的识别准确度。

主权项

1.一种基于深度递归分层条件随机场的人体行为识别方法，其特征在于，包括如下步骤：步骤1，获取人体行为的RGB‑D训练视频样本，该RGB‑D训练视频样本包括RGB视频信息、深度信息和人体骨架信息，联合RGB视频信息和人体骨架信息，并从中提取人体姿态特征、交互物体的形状和位置特征，以及人体和交互物体的相对位置特征，将上述特征串联后得到行为表示特征；步骤2，根据步骤1得到的行为表示特征，构建当前视频段中行为表示特征、人体姿态和交互物体组成的中间状态、行为预测标签三部分链接而成的全连通概率图模型，结合训练视频样本中第一个视频段到当前视频段的前一个视频段的行为预测标签，建立当前视频段的深度递归分层条件随机场模型；步骤3，利用平均场近似算法，将步骤2建立的深度递归分层条件随机场模型转换为一阶线性链条件随机场模型；步骤4，利用最大‑间隔算法，学习步骤3得到的一阶线性链条件随机场模型的参数；步骤5，根据步骤3得到的一阶线性链条件随机场模型和步骤4学习得到的参数，识别测试视频样本对应的行为预测标签。