基于补偿轨迹特征提取的人体动作识别模型研究

摘要

cqvip:本文提出了一种新颖有效的方法来进行行为识别,识别过程中涉及的主要步骤是引入相机运动补偿以获得前景物体运动。其次是通过处理视频剪辑中每个帧的补偿轨迹来获得最终视频表示。最后,使用了一种多内核融合方法来提高识别精度。1概述人类行动识别广泛应用于视频监控系统,智能家居应用和视频检索等许多重要领域。人类行为识别的目标是对人类活动进行分类,例如跑步,跳跃和拳击。然而,来自该领域的视频将包含大量的背景动作,这使得行为识别更加复杂。前景对象运动提取是标准动作识别框架中的重要步骤,其导致由于摄像机运动引起的一些扩展干扰,其在所记录的视频中产生许多不相关的背景移位。为了解决摄像机运动(向桂山.运动摄像机下快速提取运动目标的新方法[J].光电工程,2009,36(10):1-5)造成的干扰,本文采用摄像机运动补偿的前景背景分离方法。为了对提取的特征描述符进行聚类,引入了码本生成策略。主要有两种方法:k-means和高斯混合模型(GMM)。