[发明专利]基于稠密轨迹协方差描述子的行为识别方法

摘要

本发明公开了一种基于稠密轨迹协方差描述子的行为识别方法，主要解决现有技术没有考虑不同特征之间的相关性，未能准确描述行为主体运动，导致行为识别准确率低的问题。其实现步骤是：1)提取视频的稠密轨迹，对轨迹立方体中的每个像素点，获取梯度、空间位置以及梯度、光流和运动边界的时间导数并将这些特征作为底层特征；2)获取底层特征集合，对其求取协方差矩阵并投影到欧式空间以获取轨迹子块的描述子；3)串接轨迹子块的描述子，获取基于稠密轨迹的协方差矩阵描述子；4)对协方差矩阵描述子进行BOW编码后利用线性SVM分类模型进行行为识别。本发明提高对行为的描述能力和识别准确率，可用于视频监控的复杂环境。

主权项

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Tflow；(2)将光流f大小大于设定阈值Tflow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RI，用RI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)∈Rd}k＝1,...,n，其中，n表示RI中像素点的个数，接着计算其协方差矩阵CI；(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(CI)，并将该矩阵的上三角部分转换为一个矢量Vec(log(CI))；(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，DCMDT＝[DSub_1,DSub_2,...,DSub_i,...,DSub_m]T，其中，DSub_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VFtr和测试集VFte，采用BOW方法进行编码，得到训练集的码字直方图VHtr和测试集的码字直方图VHte；(9)利用训练集的码字直方图VHtr训练SVM分类模型，将测试集的码字直方图VHte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。