基于搜索算法K-Means动作关键特征序列的行为识别方法

摘要

行为识别是近年来计算机视觉领域的一个研究热点。本文在当今已有的行为识别算法的基础之上进行优化改进。通过基于代数理论的背景减法提取轮廓并进行姿势表达、通过聚类算法提取动作关键特征,并基于DTW动态时间规整算法完成动作识别。由于原始K-means算法中聚类结果对于初值的依赖性,我们引入基于搜索算法的K-means聚类算法,避免了初值对聚类结果的影响。通过在国际主要数据库上的实验,达到了较高的准确率和稳定度,并能够实现在线实时识别。