基于改进BoW模型的行为识别.pdfVIP

基于改进BoW模型的行为识别·1·

基于改进BoW模型的行为识别

宋运忠，杨丽英

(河南理工大学电气工程与自动化学院，河南焦作454000)

摘要：尽管传统的词袋(BoW，bagofwords)模型在复杂场景行为识别中能够保持鲁棒性，但是硬向量量

化会导致大量的近似误差，进而产生很差的特征集。行为识别中一个重要的挑战是视觉词汇的构造，从

原始特征到分类标签没有直接的映射，因此高层的视觉描述子需要更加精确的词典，故提出基于结构稀

疏表示的人体行为识别方法。在所提出方法的BoW模型中，视频表示为组稀疏编码系数的直方图。与

传统的BoW模型相比，所提方法具有更少的量化误差，而且高层特征表示可以减少模型参数和存储复

杂性，并在标准化的人体行为数据集上评价所提方法，数据集包括KTH，Weimann，UCF—Sports，UCF50人

体行为数据集，实验结果表明，所提方法与现存的其他方法相比各方面性能都有显著的提高。