基于深度运动轨迹信息的人体动作描述算法

摘要

受到dense轨迹特征的启发,本文提出了基于深度运动轨迹信息的动作描述算法,首先,利用稠密光流场对L帧深度视频提取稠密(dense)兴趣点并形成稠密轨迹,其次,利用轨迹前后兴趣点的深度信息计算深度变化值,并将它加入到稠密轨迹和HOG描述算子的计算中;再次,在整个数据集上,计算所有动作的平均深度变化值并利用它判断每类动作的深度信息变化情况;最后,根据深度信息变化剧烈程度选择不同的码书,对视频样本进行投影并分类。在两个公开深度动作数据集DHA-17和UTkinect上进行了实验,实验结果表明基于深度运动轨迹信息的动作描述算法具有较好的区分性和鲁棒性,其性能与一些先进的且具有代表性的算法具有可比性。