基于結構化低秩表示的人體行為識別方法.pdf

1、視頻中的人體行為識別在計算機視覺和模式識別領域是一個重點研究課題。視頻監(jiān)控和人機交互等應用領域共同推進著該課題的發(fā)展。現有的人體行為識別技術經常受到背景雜亂、實施者不同、行為遮擋、視角變化和攝像機移動等問題的影響。因此，準確的識別出真實環(huán)境中的人體行為依然是一個具有挑戰(zhàn)性的問題。
　　人體行為識別中的一個關鍵問題是如何得到對視頻中的人體行為準確表示。判別魯棒的行為表示不僅能夠減少噪聲的影響，而且有助于提高識別結果。盡管現有的方法在

2、一些數據集上表現出良好的性能，但是從提取出來的低層局部特征中，學習得到一個緊湊的且判別性更高的行為表示，仍然是一個挑戰(zhàn)性的問題。為了得到這樣一個行為表示，在本文中，我們研究了現有的特征學習方法，并且將結構信息融合于特征學習方法中。本文的主要成果如下：
　?。?）提出了一種基于近鄰約束低秩表示的人體行為識別方法。近年來，低秩表示已經被廣泛的應用于許多研究領域，并且取得了良好的效果。通過低秩約束，低秩表示尋求低層特征的適當的表示。該表

3、示能夠把握特征之間的全局特征。受到低秩表示的啟發(fā)，我們在低秩表示的目標函數中加入了一個局部約束項。在編碼過程中，該約束項能夠使得編碼系數被它的近鄰逼近表示。通過這種方式，編碼系數保留了近鄰之間的強度一致性和平滑性。
　?。?）提出了一種基于結構不相關性約束的低秩表示人體行為識別方法?，F有的方法在編碼過程中，對特征進行獨立編碼，并且沒有考慮特征的全局結構信息和不同類別之間的相關性。基于此，我們在低秩表示的目標函數中加入了一個帶有權值