融合局部与全局特征的人体动作识别

摘要

基于视觉的人体运动分析是计算机视觉研究领域一个非常活跃的研究方向,它在人机交互、基于内容的视频检索、智能视频监控和机器人等领域有着广泛的应用前景.其中,运动目标检测和人体行为识别是其中的核心研究内容,同时也伴随着许多挑战.对于运动目标检测而言,复杂背景、遮挡和光照变化等因素的影响是其遇到关键挑战因素.人体行为识别的挑战是有判别能力的人体行为特征提取方法和有效的人体行为识别建模方法.针对这些挑战,本文提出了一种鲁棒性强,抗噪性能优的人体运动目标检测方法.该方法将Canny边缘检测技术与基于局部与全局光流算法相结合来检测人体运动目标.同时,提出了一种简单高效的多信息融合的混合行为特征表示方法和相应的识别算法.该混合行为特征具有简单、鲁棒和判别能力强的特点,它融合了基于中心距的时空兴趣点局部特征和基于曲率函数的傅里叶描述子全局特征,同时利用泛化能力较强的随机森林模型进行快速分类.在Weinmann、HKT和自建的Kinect数据集上实验结果表明,相比其它监督行为识别分类算法,本文提出的方法具有简单、快速和高效的特点.