人体行为识别中的时空树建模与优化.pdf

2017年 3 月 计算机工程与设计 Mar . 2017 第 3 8 卷 第 3 期 COMPUTER ENGINEERING AND DESIGN Vol . 38 N . 3 人体行为识别中的时空树建模与优化 徐伟华 (临沂大学沂水分校，山 东 临 沂 276400) 摘 要 ：为提高视频中人体行为识别的准确率，控制时间开销，提出一种基于时空树结构的行为建模与识别方法。通过树 状结构替代传统图结构，降低模型的复杂度，通过对树结构的挖掘、聚类与排序，选择最有区分度的树结构子集，提高模 型的识别准确率，进一步降低计算代价。实验结果表明，该算法具有较高的识别准确率，其时间开销低于对比算法。 关键词 ：行为识别；时空树结构；图优化；视 频 分 割 ；树挖掘 中图法分类号 ：TP 391 文献标识号：A 文章编号 ：1000-7024 (2017) 03-0724-05 doi ： 10. 16208/j . issnl000-7024. 2017. 03. 031 Spatio-tem poral tree modeling and optim ization for action recognition XU Wei-hua (Yishui College , Linyi University , Linyi 276400, China ) Abstract ： To improve the accuracy of action recognition in videos and to lim it the time consumption, a time-space based tree structure for action modeling and recognition was proposed. The graph structure was substituted by the tree structure to deduce the complexity of the model. The most discriminative trees were selected according to tree mining, tree clustering and tree ran­ king , thus improving the precision of the model and further reducing the computing cost. Experimental result reveals the presen­ ted method has high accuracy and its time consumption is lower than control methods. Key words ： action recognition ；spatio-temporal tree structure ；graph optimization ；video segment ；tree mining 性假设在视频处理中的不适用性[7], 但这一策略也带来了 〇 引 言 较高的时间复杂度。CRF -A R 是一种基于条件随机场 人体行为[1]是由一系列时空上连续的动作组成的，因 (conditional random field , CRF ) 的行为识别方法，该方法 此，人体行为识别往往通过一系列时空图像建模来分析[2]。 通过带有隐变量的条件随机场模型学习视频中的隐含时空 这些时空图像可以是人体，但更通常是人体的局部，例如