基于時空方向能量特征的行為識別算法研究.pdf

1、人體行為識別是目前眾多研究人員關(guān)注的熱點(diǎn)問題，和它相關(guān)的應(yīng)用有病人或老年人監(jiān)護(hù)，智能監(jiān)控和人機(jī)互動等。通常情況下，物體識別都會面臨姿勢、外觀和大小的多變性等問題，由于人體非剛體，這又增加行為識別的難度，目前越來越多的研究人員紛紛把目光投向了這個領(lǐng)域并提出了一系列相應(yīng)的改進(jìn)算法，但是很多算法由于不能克服自身遮擋，旋轉(zhuǎn)或尺度變化，背景噪聲等問題，限制了目前識別方法的推廣和應(yīng)用。為了盡可能地降低上述因素對行為識別的影響，提高識別算法的穩(wěn)定性和

2、識別率，我們提出了一種較為理想的算法，以局部特征為立意點(diǎn)，首先詳細(xì)介紹了特征點(diǎn)的檢測過程，然后詳細(xì)闡述了基于能量分解的行為描述方法，現(xiàn)將詳細(xì)內(nèi)容介紹如下：
　　(1)綜合考慮基于局部特征的思想和優(yōu)劣，采用局部特征作為待識別行為的特征。雖然基于全局特征的識別方法有較好的識別實(shí)時性，但是在識別一些物體有遮擋的時候或者圖像質(zhì)量不是太好的情況下，最終的識別效果并不理想，因此，我們采用更能有效地描述行為的局部特征來識別，并在分類階段選擇合適

3、的描述子和分類方法。
　　(2)在興趣點(diǎn)檢測環(huán)節(jié)中，研究了普遍被采用的Dollar局部特征點(diǎn)檢測子在行為識別中的思想和優(yōu)勢，根據(jù)多次實(shí)驗(yàn)結(jié)果，分析行為的特點(diǎn)，結(jié)合特征點(diǎn)提取的方法，設(shè)置合適的參數(shù)和閾值，以便能更精準(zhǔn)地提取特征點(diǎn)。
　　(3)描述環(huán)節(jié)著重介紹了基于能量分解的時空局部特征描述子，并與3D-SIFT做出對比，并介紹選擇這種方法的目的和優(yōu)勢，對描述子用隨機(jī)映射算法對描述子進(jìn)行降維，而在分類環(huán)節(jié)則選擇經(jīng)典的SVM分類器