[发明专利]基于稀疏编码张量分解的动作识别方法

摘要

一种基于稀疏编码张量分解的动作识别方法：将原始的视频序列表征为一个三阶的视频序列张量T表示视频序列长度，I₁×I₂表示视频帧的大小；对三阶的视频序列张量进行Tucker分解获得空域维度减少的核张量；将视频序列张量缩放到相同的尺度；动态学习上述过程更新结果直到算法收敛结果达到最优。本发明的基于稀疏编码张量分解的动作识别方法，能够将视频序列处理为统一的长度——稀疏编码张量分解技术。在这个过程中通过在张量分解的框架中适应性挑选出信息量最多的帧去构建出具有统一视频序列长度的新的视频序列。本发明的方法降低了手势识别的难度，提高了手势识别的准确性，为后续的视频序列分类提供了良好的条件，提升视频序列分类的准确率。

主权项

1.一种基于稀疏编码张量分解的动作识别方法，其特征在于，包括如下步骤：1)将原始的视频序列表征为一个三阶的视频序列张量T表示视频序列长度，I₁×I₂表示视频帧的大小；2)对三阶的视频序列张量进行Tucker分解获得空域维度减少的核张量；3)将视频序列张量缩放到相同的尺度；包括：(1)构建目标函数为了将视频缩放到相同的尺度，对映射矩阵U₃采用关键帧选择的措施：采用稀疏编码的方法从F中选取最优的K帧构成词典，其中K＜T，在此基础上用有限的基重构原始的视频序列，对F按照时间域展开得到令张量展开矩阵设定目标函数如下：其中，定义词典为从F中选取的K帧向量构成的基，定义为表示去掉GS矩阵的全零列后构成的矩阵，λ，β为惩罚因子；同时可得：其中矩阵L通过初始化词典B＝{b₁,…,b_k…,b_K}得到；目标函数转换如下形式：假定存在线性函数G＝f(B)，即满足G＝BU₃，则映射矩阵U₃＝B⁺G，其中B⁺为B的伪逆；(2)求解目标函数先应用词典学习的方法寻找最佳的关键帧构成词典B进而得到映射矩阵U₃，再用交替迭代的方法得出映射矩阵U₁和U₂，最终得出等长的视频序列；具体包括(a)寻找最佳的关键帧构成词典B首先从张量展开矩阵中随机选择K列，组成初始化的词典B＝{b₁,…,b_k…,b_K}，并得到对角矩阵S和矩阵L，将原始的目标函数转化为求解如下目标函数：定义其中1≤k≤K，通过如下函数寻找使得误差最小的列从词典B中去掉该列得到令其中1≤i≤T‑K，选择一个向量替换掉b_p，使满足如下条件：更新、计算对角矩阵S和视频序列张量C，并重迭代(a)步直至收敛，利用映射矩阵U₃＝B⁺G得到映射矩阵U₃；(b)求解映射矩阵U₁和映射矩阵U₂首先给定视频序列张量Α，随机初始化映射矩阵U₁和映射矩阵U₂，根据下式：F＝Α×₁U₁×₂U₂           (9)对F展开得到矩阵利用视频序列张量C的算法求解映射矩阵U₃，应用交替下降法以及特征值分解法将映射矩阵U₁及映射矩阵U₃作为已知求解映射矩阵U₂，将映射矩阵U₂及映射矩阵U₃作为已知求解映射矩阵U₁，重该迭代(b)步直至收敛；4)动态学习步骤2)和步骤3)更新结果直到算法收敛结果达到最优。