基于改进时空兴趣点检测的人体行为识别算法.pdfVIP

２０１６年１０月 西北工业大学学报 Ｏｃｔ． ２０１６ 第３４卷第５期 ＪｏｕｒｎａｌｏｆＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ Ｖｏｌ．３４ Ｎｏ．５ 基于改进时空兴趣点检测的人体行为识别算法 丁松涛，曲仕茹 （西北工业大学自动化学院，陕西西安 ７１０１２９） 摘 要：提出了一种基于改进时空兴趣点检测的人体行为识别算法。 旨在针对复杂环境的时空特性， 在传统兴趣点检测算法的基础上，加入背景点抑制和时空兴趣点约束，以减少无用兴趣点对有效兴趣 点信息的干扰。 为此，首先对Ｈａｒｒｉｓ⁃Ｌａｐｌａｃｅ 算法进行改进，以克服兴趣点检测过程中遇到的多尺度 问题和冗余点过多问题，提取筛选后的有效兴趣点作为目标的运动坐标信息。 然后基于Ｂａｇ⁃ｏｆ⁃ｗｏｒｄｓ 模型思想，使用ＨＯＧ算子对兴趣点进行特征提取，建立视觉词典，使用ＡＩＢ算法合并词义相近的视觉 词汇，作为单词表中的基础词汇。 最后使用ＳＶＭ进行人体行为分类并实现复杂环境下的人体行为识 别。 为了验证新算法的有效性，分别在现有的公开人体行为基准数据库和一些复杂场景下进行实验。 试验结果表明，通过对无用兴趣点的抑制，能够有效降低单帧图像的计算复杂度，减少特征提取时间， 提高行为识别准确度。 关 键 词：人体行为识别；时空抑制；ＨＯＧ算子；ＡＩＢ算法 中图分类号：ＴＰ３９１．４１ 文献标志码：Ａ 文章编号：１０００⁃２７５８（２０１６）０５⁃０８８６⁃０７ ［ ］ 人体行为识别是机器视觉、模式识别、图像处理 空信息分析解算 例如，Ｌａｐｔｅｖ 将 Ｈａｒｒｉｓ 角点扩 领域中一个非常重要的研究方向 在复杂场景下 展到三维空间，这些时空特征点邻域的像素值在时 （背景扰动、光流变化、视角移动）的人体行为识别 间和空间都有显著变化，并能够自适应时间维和空 ［５］ 已逐渐成为研究热点 与其他图像识别方法相似， 间维 Ｄｏｌｌａｒ等 则指出上述算法存在一种缺陷， 人体行为识别可以大致分为：图像显著区域检测、底 即检测出来的稳定有效兴趣点数量太少，进而提出 层人体特征提取和人体运动表征、简单动作识别、高 改进方法，先分别在时间维和空间维进行 Ｇａｂｏｒ滤 层复杂行为抽象和复杂场景理解等基本过程 一些 波，使得被检测到的兴趣点数目会随着时间和空间 ［１］ 局部尺度的改变而变化，并且满足对兴趣点的数量 经典的人体行为识别算法（如Ｒｏｂｅｒ等 提出的基 ［６］ 于ＨＭＭ 的行为识别方法，ＨＭＭ是一种常用于人体 需求 Ｐａｒｋ等 提出了一种基于贝叶斯网络的个 行为识别的建模方法），并涉及到行为理解 Ｖａｓｕ 体姿态估计方法，对个体行为建模，最后模拟出一种 ［２］ 交互行为决策树，进行行为分类 将兴趣点检测应 等 提出二维视角不变空间，以解决行为识别的视 ［３］ 角问题 Ｌｉ 提出使用光流方向直方图描述人体行 用于复杂场景下，会产生大量的背景兴趣点 这些 为的方法，这些方法都已在简单场景下取得了理想 无用的兴趣点会增加系统计算成本和行为识别的错 的识别效果 复杂场景下目标检测和特征提取过程 ［７］