[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有效
申请号: | 201710768472.5 | 申请日: | 2017-08-31 |
公开(公告)号: | CN107766790B | 公开(公告)日: | 2021-04-30 |
发明(设计)人: | 解梅;叶茂权;程石磊;秦方 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 电子科技大学专利中心 51203 | 代理人: | 邹裕蓉 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供了一种基于局部约束低秩编码的人体行为识别方法,包括步骤:1)样本库的特征提取步骤;2)字典生成步骤;3)对待测图像进行特征提取得到特征X,对特征X中的每一列向量都用字典进行线性表达,得到当前的特征X的编码系数Z;4)行为识别步骤:通过步编码系数Z,采用最大池化法计算Z中每一行的最大值,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。本发明在求解编码系数Z时体现了特征的低秩性和局部结构信息,更好地描述行为动作,使得基于局部约束低秩的编码的识别效果更好。 | ||
搜索关键词: | 一种 基于 局部 约束 编码 人体 行为 识别 方法 | ||
【主权项】:
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nσ份,在时间上划分为nτ份。最后在立方体nσ×nσ×nτ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:Z2=argminλ1μ||Z2||*+12||Z2-Z1+1μY1||F2]]>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;z1,i=(BTB+λ2diTdi+μI)-1(BTxi+μz2,i-Y1,i)]]>其中,z1,i和z2,i分别表示Z1和Z2中第i个列向量,di为距离系数,n是样本数量,xi是步骤1)得到的特征X的第i列向量,I为单位矩阵,dist(xi,B)=[dist(xi,b1),...,dist(xi,bk)]T,dist(xi,bj)是元素xi和字典第个j字bj之间的欧式距离,σ是控制分布的带宽;当所有列向量z1,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):B=argmin12||X-BZ||F2;]]>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xi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yi=max(|zi1|,|zi2|,...|zin|),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yi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。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201710768472.5/,转载请声明来源钻瓜专利网。
- 上一篇:精密全自动铜铝切断机(DS610CNC)
- 下一篇:金刚线单晶硅棒切磨一体机