基于支持向量机与模糊k―均值算法部位外观模型.docVIP

基于支持向量机与模糊k―均值算法部位外观模型 　　摘要：利用梯度方向直方图（HOG）建立的部位外观模型存在两个缺陷：不同部位采用相同的细胞单元尺寸，以及线性支持向量机（SVM）分类器不能准确表征部位定位状态与外观模型的相似度。为克服这两个缺陷，建立了一种基于SVM和模糊k均值算法的部位外观模型。部位外观模型由两个分类器构成，线性SVM分类器用于判断部位定位状态是否属于人体部位，相似度分类器由部位定位状态与利用模糊k均值算法确定的部位聚类中心的归一化欧氏距离来构造，用于计算部位定位状态与外观模型的相似度。仿真实验结果表明，与利用SVM算法和相同细胞单元尺寸建立的基于HOG特征的部位外观模型相比，新模型建立的部位外观模型能更准确地描述真实人体部位的外观特征，用于基于树形图结构模型的人体姿态估计时准确度也更高。 　　关键词：部位外观模型；梯度方向直方图；支持向量机；模糊k均值算法；人体姿态估计 　　中图分类号： TP391.413 文献标志码：A 　　Abstract： The existing part appearance models based on Histogram of Oriented Gradient （HOG） have two defects： 1） the same cell size was used for different parts； 2） the linear Support Vector Machine （SVM） classifier can not represent the similarity of the position state and appearance model accurately. For overcoming these two defects， a part appearance model based on SVM and fuzzy kmeans algorithm was built. The appearance model was composed of two classifiers： the linear SVM classifier was used to determine whether a position state belonged to human part； the similarity classifier， which was built according to the normalized Euclidean distance between the position state and the clustering center determined by fuzzy kmeans algorithm， was used to calculate the similarity of the position state and appearance model. The experimental results show that the proposed appearance model can represent the appearance feature of real human part more accurately than the part appearance model built by SVM algorithm and HOG of the same cell size， and can get higher estimation accuracy when it is used to human pose estimation based on the treelike pictorial structure model. 　　Key words： part appearance model； Histogram of Oriented Gradient （HOG）； Support Vector Machine （SVM）； fuzzy kmeans algorithm； human pose estimation 　　0 引言 　　随着信息技术的进步以及人类安全意识的提高，视频监控系统在银行、医院、学校、商场和住宅小区等场合获得了越来越广泛的应用。在大多数应用场合，设置视频监控系统的目的都是为了监控人类的动作和行为。人体动作与行为的识别与分析是计算机视觉中一个非常热门的研究方向，吸引了大批研究人员的关注。人体是由头部、躯干、上臂、下臂、大腿、小腿等多个部位组成的，若能确定人体各部位在图像中的具体位置，既可为人体动作与行为的识别与分析打下坚实的基础[1]。人体姿态估计即是这样一个