[发明专利]基于非线性融合深度3D卷积描述子的行为识别方法

摘要

本发明公开了一种基于非线性融合深度3D卷积描述子的行为识别方法，主要解决现有技术识别准确率低的问题。其方案是：1.将每个样本输入到C3D网络中获取各层激活值；2.对C3D网络的每一层进行处理，得到每一层的特征向量；3.融合不同层的特征向量，得到全局特征集合和局部特征集合；4.对全局特征集合和局部特征集合进行判别性非线性融合，得到深度3D卷积描述子；5.获取训练样本的深度特征用于训练线性SVM分类器；6.获取测试样本的深度特征输入到线性SVM分类器中进行识别。本发明提高了行为识别的准确率，在UCF‑Sports库上取得了94.67％的识别率，可应用于人机交互、视频监控和视频检索。

主权项

基于非线性融合深度3D卷积描述子的行为识别方法，包括：(1)利用C3D网络获取每个样本的L个特征向量u，其中，L为C3D网络的层数；(2)根据特征向量u，获取每个样本的全局特征向量x和局部特征向量y，得到全局特征集合X和局部特征集合Y；(3)根据全局特征集合X和局部特征集合Y，获取深度3D卷积描述子DC3D；(4)根据深度3D卷积描述子DC3D，得到每个训练样本的深度特征向量ztrain和每个测试样本的深度特征向量ztest；(5)根据训练样本的深度特征向量ztrain，训练线性SVM分类器；(6)根据线性SVM分类器，对每个测试样本的深度特征向量ztest进行分类，得到每个测试样本的识别结果。