[发明专利]基于稠密轨迹核协方差描述子的行为识别方法

权利要求书

1.一种基于稠密轨迹核协方差描述子的行为识别方法，包括：

(1)对视频序列提取长度为L的稠密轨迹，在每一帧中以每一个运动轨迹点为中心选取W×H大小的图像块，得到大小为W×H×L的随轨迹弯曲的轨迹立方体；

(2)对轨迹立方体中的每一个像素点，提取静态和动态特征，获取维数为d的底层特征向量；

(3)将轨迹立方体中视频帧t对应的空间区域表示为R_t，利用R_t中每个像素的底层特征向量，构建底层特征矩阵其中，F_(s,t)表示R_t中第s个像素的底层特征向量，s∈[1,n]，n表示R_t中像素点的个数；

(4)利用对R_t构建的底层特征矩阵M_t计算核矩阵K[M_t,h]，按如下步骤进行：

(4a)计算核矩阵中第o行s列的元素值K_os[M_t,h]：

K_os[M_t,h]＝k(F_(s,t),h_o)

其中，h表示特征空间的正交基，h_o为正交基中第o个向量,o∈[1,d]，k(F_(s,t),h_o)为高斯核函数；

(4b)将d行n列中共d×n个元素值全部计算出来，构成核矩阵K[M_t,h]；

(5)利用核矩阵K[M_t,h]求取核协方差矩阵C_t^*，并将C_t^*投影到欧式空间，获取R_t的向量化特征表示Q_t；

(6)将轨迹立方体分为轨迹子块，利用每个子块中所有Q_t的平均矢量作为子块的描述子，将所有子块的描述子进行串接，获取基于稠密轨迹的核协方差矩阵描述子KCMDT；

(7)将所有视频的核协方差矩阵描述子KCMDT分为训练集VF_tr和测试集VF_te，采用BOW方法进行编码,得到训练集的码字直方图VH_tr和测试集的码字直方图VH_te；

(8)利用训练集的码字直方图VH_tr训练SVM分类模型，将测试集的码字直方图VH_te输入到训练好的SVM分类模型中进行测试，获取行为识别结果。

2.根据权利要求1所述的方法，其中步骤(2)中对轨迹立方体中的每一个像素点，提取静态和动态特征，获取维数为d的底层特征向量，按如下步骤进行：

(2a)对轨迹立方体中的每个像素点，获取其空间位置信息和RGB颜色信息，并利用一维Sobel算子[-1,0,1]计算像素点I在x和y方向的梯度I_x和I_y：

(2b)将每个像素点的空间位置信息，RGB颜色信息和梯度I_x和I_y作为底层静态特征；

(2c)利用Gunnar算法计算像素点的光流v，并将光流v沿x和y方向的分量表示为v_x和v_y，作为底层动态特征；

(2d)将轨迹立方体中每个像素点获取的底层静态特征和底层动态特征进行结合，得到d维的底层特征向量F：

其中，X和Y表示像素点的空间位置；R,G,B分别表示红，绿，蓝三个通道的颜色信息；I_x和I_y分别为x和y方向的梯度，和arctan(I_y/I_x)分别表示梯度的幅值和方向角；v_x和v_y分别为x和y方向的光流，和arctan(v_y/v_x)分别表示光流的幅值和方向角。