人类行为识别研究.PDF

第 14卷 第 24期 2014年8月 科 学 技 术 与 工 程 Vo1．14 No．24 Aug．2014 1671— 1815(2014)24—0102—06 ScienceTechnologyandEngineering ⑥ 2014 Sci．Tech．Engrg． 基于深度图序列和时空 占用模式的 人类行为识别研究 王红梅 任晓芳 (新疆工程学院计算机工程系，乌鲁木齐 830052) 摘 要 针对人类行为识别问题，提出一种基于深度图序列和时空占用模式的行为识别方法。首先，使用深度 图序列将空间 和时间轴分为多个部分，从而定义一个4D网格；然后，将网格中的每个单元与 占用值相关联，利用高维特征 向量的所有单元 占用值组成时空占用模式。最后，利用基于正交级别学习的主成分分析降维获得低维特征 向量，并完成最终的行为识别。在 公共 3D行为数据集MSR上的实验结果表明，提出的离线识别方法比现有方法所获得的识别准确度较高。 关键词 深度图序列 时空占用模式 轮廓 人类行为识别 中图法分类号 TP391．4； 文献标志码 A 人类行为识别有着广泛的应用，包括高级家庭 如，文献 [5]使用了动作捕捉器系统获得的数据组， 监控、视频监控、视频索引和人工机器人交互等方 以节点位置作为基本特征，文献 [6]在动作捕捉器 面…。目前，人类行为识别大多以2D视频序列作 数据组基础上，采用节点距离矩阵为动作分类提供 为输入，也有以3D传感器获取实时深度贴图，促进 不变性特征 。文献[7]提出一种技术用来从节点位 r人类行为识别和交互方法的发展。 置的高维度空间获得低维度子空问，并且在低维度 行为识别方法可分为总体方法和局部方法。总 空间中进行行为识别。第二种获得 3D数据 的方式 体方法是利用总体特征进行识别，例如轮廓和时空 是使用多维 2D视频数据流来重建 3D信息。文献 体积信息 J。局部方法是利用局部特征进行识别， [8]使用多个全方位摄像头来捕捉场景，并且使用 先从视频中提取一组兴趣点，然后计算得到每个兴 可视壳体去重建3D体数据。文献 [9]提出了另一 趣点的特征描述符 J。3D数据集被用来行为识别 种基于3D数据重建技术的可视壳体，从一个场景 已得到广泛研究，获得 3D数据 的一种方法是运用 的多点图中形成体数据，从而恢复被用作行为和步 基于标识的运动捕获系统 (动作捕捉器)，系统标记 法识别特征的节点位置。 执行者身体节点，以此捕获 3D位置 。 最近，有学者提出基于深度图序列的行为识别 提出一种时空 占用模式 (STOP)，用4D时空网 方法 。文献[1O]基于节点位置 的不同提出一种新 格表示深度序列，并利用一种饱和方案增强稀疏单 的特征类型，该类型结合了行为信息包括静态姿势、 元，以此构成轮廓或身体移动部位的点。同时证明 动作和偏移量。利用贝叶斯近邻分类器进行多层行 了提出方案获得的特征向量优于不饱和的原始直方 为分类，并探索了在一个深度序列中去分类一个动 图向量 。另外，利用 中立构成分类器，提出了一种在 作所需要的帧数。文献 [11]把深度贴图映射到三 线分类方案，利用基于系统的行动图为每个行动类 个正交的平面上，并且跨越整个视频序列，整合全部 别获得一个统计模式，并使用一个状态机去分割长 行动形成深度行动贴图(DMM)。从 DMM 中计算 深度贴图。实验结果表明，本文提出的离线识别方 出梯度的直方 图，用来表示整个视频 图像。这些离 法比现有方法所获得的识别准确度较高。