基于時空興趣點的人體行為識別.pdf

1、近年來，人體行為識別技術(shù)引起了廣泛的關(guān)注，在人機交互、動作分析、虛擬現(xiàn)實等領(lǐng)域都有著廣闊的應(yīng)用前景。本文提出了一組基于時空興趣點的人體行為分析方法，研究人體行為領(lǐng)域中的單人行為和雙人交互行為的識別。
　　本文首先給出了常用的三維時空興趣點的檢測和描述方法，并針對常用方法的不足，提出了改進的二維Gabor時空興趣點檢測器，此檢測器能夠準確、有效而不冗余地提取出視頻序列中的時空興趣點，接著簡述了聚類算法和詞袋模型的原理以及在行為識別中

2、的應(yīng)用。
　　然后，利用詞袋模型，將底層的時空特征轉(zhuǎn)化為高層的直方圖特征，利用主題模型中的PLSA和LDA算法分析視頻序列中的潛在主題特征，以此來識別單人行為。針對LDA模型的訓(xùn)練時間較長以及參數(shù)不夠準確等不足，在原有的三層主題模型的基礎(chǔ)上，加入了標簽層，提出了一種加標簽的LDA模型，它限制了每個視頻序列的動作類別要與特定的標簽指示器相對應(yīng)，使得模型參數(shù)的訓(xùn)練更加準確和快速，提高了單人行為的識別率。
　　最后，在單人行為識別

3、的基礎(chǔ)上，利用馬爾科夫邏輯網(wǎng)分析識別雙人交互行為。根據(jù)訓(xùn)練視頻序列，手動建立完備的一階邏輯知識庫，利用馬爾科夫邏輯網(wǎng)將概率圖模型靈活的概率推理能力與統(tǒng)計關(guān)系模型強大的處理不確定性的能力結(jié)合在一起，將雙人交互行為分解為兩個單人行為進行識別，再結(jié)合兩個行為之間的語義信息，分析得到雙人行為的類別。
　　上述算法單人行為識別借助了KTH和Weizmann數(shù)據(jù)庫，雙人交互行為識別借助了UT-interaction數(shù)據(jù)庫進行了實驗，實驗結(jié)果表