大范围视频中人行为识别正则化HCRF模型.docVIP

大范围视频中人行为识别正则化HCRF模型 　　摘要：大范围视频中人的行为识别主要面临视频场景大、目标小、分辨率低、特征不明显等难点。充分利用视频图像中包含的图像特征和空-时上下文信息是解决这些难点问题的有效途径。隐条件随机场模型（HCRF）包含的隐变量层使其具有丰富的表示能力，同时自身还具有统一对观察图像和标记中的上下文信息建模的能力。因此将HCRF模型引入大范围视频中人的行为识别，重点研究通过l_2和l_1正则化训练方法得到的HCRF模型在解决过拟合和实现稀疏化时的性能。在此基础上，引入l_（1/2）正则化训练方法，提出新的面向人的行为识别的HCRF模型，进一步提高模型的稀疏化和识别性能。利用典型的大范围视频数据库UT-TOWER对研究的方法进行了全面测试，实验结果验证了提出的l_（1/2）正则化HCRF模型在提高识别正确率、模型稀疏性和计算效率方面的优势 关键词：大范围视频；人的行为识别；隐条件随机场 中图分类号：TP391.1 文献标识码：A 文章编号：1007-9416（2017）01-0076-02 近年来，大范围视频由于其场景直观、发现问题及时、信息量充足、利于取证保存的特点正越来越多地被应用于军事和生活领域。许多发达国家还针对大范围视频的研究，建立了无人机视频系统、高层建筑视频监控系统等大量的数据平台。而对视频图像中的目标进行行为识别，就能够在不耗费人力资源的情况下从视频中获取大量的信息，这是现阶段研究大范围视频的关键。而且在对视频中的目标进行行为识别时，往往面临大范围视频场景大、目标小、分辨率低、特征不明显等难点。充分利用视频图像中的空间和时间的上下文信息进行行为建模和识别是解决上述难点问题的有效途径 本文主要研究和正则化训练方法对HCRF模型用于大范围视频中人的行为识别的影响。在此基础上研究HCRF模型训练的正则化方法和高效实现。本文接下来的内容包括：第二章构建面向大范围视频中人的行为识别的HCRF模型；第三章研究构建的HCRF模型的不同正则化训练方法，并提出新的基于正则化的HCRF模型；第四章利用实际数据测试研究方法的性能；第五章对研究工作进行总结与展望 1 面向大范围视频中人的行为识别的HCRF模型 1.1 HCRF模型的构建 面向大范围视频中人的行为识别主要实现对输入的一段包含帧的视频数据，估计其包含的目标对应的行为语义标记x。假设隐变量序列，HCRF模型构建给定观测数据，语义标记和隐变量的联合后验概率为 其中每个h_j，j∈[1，m]属于隐标记空间H，隐变量它可能表示的是视频各帧所对应的基元动作类型，φ（x，h，y；θ）为定义在基团上的势函数，θ为模型（势函数）中包含的模型参数利用公式（1），可以得到给定观察数据，对应的标记的后验概率为 ?Y合大范围视频图像的特点，本文定义的势函数为 其中V1表示视频帧节点特征向量的元素索引，V2表示无向图中边特征向量的元素索引，f（1，l），f（2，l）表示节点特征和双位置边特征的提取函数，θ（1，l），θ（2，l）∈θ分别表示节点参数和边参数。特征函数f_1在模型中依赖于单隐变量，特征函数f2则依赖于两个隐变量 1.2 HCRF模型的训练 给定包含个训练样本的训练集，HCRF模型训练就是估计使如下目标函数极大的模型参数： （4）式中表示的是对数似然函数，R（θ）是正则化项，由参数（θ）的先验分布构建。利用梯度法寻找最优的参数值，关键是计算似然函数项和正则化项关于参数的梯度 经过推导，似然函数L_i （θ）关于θ_（1，l）的偏导数为： 似然函数L_i （θ）对θ_（2，l）求偏导为： （5）式和（6）式中的各项边缘概率可以通过置信度传播方法（BP算法）高效计算 1.3 HCRF模型的推断 HCRF模型推断是给定一个新的测试样本，利用训练得到的模型参数，通过如下公式得到测试样本的标记： 其中边缘分布可由公式（2）和BP算法计算得到 2 实验结果 在采用HCRF对视频建模之前，实验采用3DHOG算法提取表述每一视频帧的图像特征。另外，HCRF模型中隐变量的状态数也是一个重要的参数。设置隐变量的状态数为3，5，7，10，15和20，通过大量实验表明，当隐变量的状态数为10时实验结果较优，因此之后的实验都采用该设置 2.1 不同正则化方法性能比较 当HCRF模型的训练过程不包含正则化项时，在UT-Tower数据库上行为识别的准确率为89.81%。推断错误的行为种类比较分散，除c1和c7外，其余都出现了标记错误的情况。通过l_2正则化训练得到的HCRF模型的性能：在UT-Tower数据库上行为识别的准确率为91.67%。相比于非正则化的情况，在标记的整体