基于視頻局部時(shí)空特征的人體行為識(shí)別.pdf

1、在如今這個(gè)計(jì)算機(jī)及網(wǎng)絡(luò)技術(shù)迅速發(fā)展的時(shí)代，多媒體信息已經(jīng)滲透到社會(huì)日常生產(chǎn)生活的方方面面，并且呈現(xiàn)出數(shù)據(jù)海量增長(zhǎng)、信息交互頻繁、云端服務(wù)日益完善等的發(fā)展特點(diǎn)。在大數(shù)據(jù)時(shí)代的背景下，如何在海量的視頻中快速搜索出用戶感興趣的視頻或者快速地將視頻分門別類以便于后續(xù)的處理是一個(gè)十分緊迫的任務(wù)。作為計(jì)算機(jī)視頻領(lǐng)域的一個(gè)重要組成部分，近年來人體行為識(shí)別已經(jīng)對(duì)智能安防、視頻檢索和人機(jī)交互等實(shí)際問題的研究做出了很大的貢獻(xiàn)。
　　基于局部時(shí)空特征的

2、人體行為識(shí)別方法是目前的主流趨勢(shì)，該方法聚焦和整合人體行為視頻的視覺底層局部特征，建立底層局部特征統(tǒng)計(jì)分布和高層語義之間的關(guān)聯(lián)，已經(jīng)成為目前人體行為視頻分類的標(biāo)準(zhǔn)范式。首先需要從人體行為視頻中提取特征，然后結(jié)合特征編碼方法使用直方圖向量描述視頻，最后選擇合適的分類器進(jìn)行行為識(shí)別。針對(duì)存在于底層特征和高層語義之間的鴻溝，結(jié)合目前人體行為識(shí)別技術(shù)的發(fā)展，本文主要做了以下幾個(gè)方面的工作:
　　1.系統(tǒng)性總結(jié)現(xiàn)有研究工作。查閱大量相關(guān)文獻(xiàn)

3、，對(duì)基于局部時(shí)空特征的方法進(jìn)行概述，其中重點(diǎn)介紹了常用的時(shí)空特征描述子、特征編碼方法和詞袋框架，為本文后續(xù)工作奠定基礎(chǔ)。
　　2.提出了融合局部思想和協(xié)作表達(dá)的人體行為識(shí)別算法。為了能夠充分正確地利用視頻數(shù)據(jù)從而保證直方圖表示向量對(duì)行為的高描述性，提出了一種新穎、有效的人體行為識(shí)別算法。所提算法融合了協(xié)作表達(dá)方法和時(shí)空金字塔表示，并且采用引入局部限制的方式保持了局部特征與其基向量之間的相似性。協(xié)作表達(dá)的引入使得算法可以得到一個(gè)閉式

4、，避免了在稀疏表示分類算法中因迭代造成的高時(shí)間復(fù)雜度問題，同時(shí)為了增強(qiáng)直方圖表示向量的行為鑒別能力，算法巧妙地借助時(shí)空金字塔描述視頻中特征的結(jié)構(gòu)化分布。
　　3.提出了基于視頻時(shí)空特征哈希編碼表示的人體行為識(shí)別算法。著重介紹了學(xué)習(xí)自編碼哈希函數(shù)以及將局部特征點(diǎn)表征為二進(jìn)制哈希編碼的過程。該方法改變了傳統(tǒng)詞袋框架的編碼方式，運(yùn)用二進(jìn)制哈希編碼描述局部特征，較好地保留了特征的局部相似性信息，并且結(jié)合哈希編碼做了一次K-Means聚類，