基于运动特征与序列袋的人体动作识别

摘要

针对当前的动作识别算法难以有效识别复杂动作的问题,提出一种人体行为识别算法.利用改进的密集轨迹,将视频表示为多个基础动作序列(primitive actions,PA),将其编码为PA的特征序列,通过仿射传播,将其变为索引序列;基于序列模式挖掘(sequential pattern mining,SPM),形成不同的序列袋(bag of sequence,BOS)模型;对BOS模型进行学习,计算其序列比对特征、外观匹配特征、序列集特征,构成动作的评分函数;引入线性判别分析(linear discriminat analysis,LDA),对动作的评分值进行分类学习,完成动作识别.在MSR3D与UCF-Sport数据集上进行测试,实验结果表明,面对各种复杂动作,所提算法具有更高的识别精度与稳定性.