基于可拆分结构的中层属性行为识别

摘要

随着行为识别研究的深入，复杂行为识别受到了越来越多研究者的关注.然而复杂行为中存在的大量冗余信息以及噪声严重降低了行为识别的准确性.针对这一问题，本文提出了基于可拆分结构的复杂行为中层属性时序一致性结构，并采用动态时间规整算法进行行为时序模式匹配.通过对视频行为时序进行拆分，学习行为的中层属性表达，构建行为中层属性的一致时序关系，有效去除了视频中的噪声和冗余信息，提高行为识别的准确率，并且能够从行为时序发展角度解释行为，增强了行为分析的可解释性.在Olympics数据集上的实验结果表明，该算法能够有效提高行为识别的准确率.