[发明专利]基于行为部件时空关系的行为识别方法

说明书

本发明公开了一种基于行为部件时空关系的行为识别方法，主要解决现有方法未充分利用行为部件间的时空关系、识别率低的问题。其实现步骤为：1)提取行为视频的稠密轨迹，获取HOG和HOF特征，串接作为底层特征；2)对底层特征进行层次聚类，获取行为部件；3)构造行为部件表示，并计算时空交互关系，获取时空交互关系描述子；4)将行为部件表示和时空交互关系描述子进行串接，训练LSVM分类器模型；5)用训练好的LSVM分类器模型进行行为识别。本发明能够获取更丰富的视频行为表示，提高了行为识别的准确率，可用于视频监控和安全防御。

技术领域

本发明属于视频图像处理技术领域，特别涉及一种人体行为识别方法，可用于视频监控和安全防御。

背景技术

近年来，人体行为识别与视频分类日益重要的学术价值、经济效益和社会价值引起了众多学者的普遍关注和青睐，成为计算机视觉领域具有挑战性的研究课题，已成功应用于视频摄像监控、多媒体语义标注与索引、行人跟踪和人机互动等诸多领域。

随着行为识别领域研究工作的不断深入，海量视频异构数据的陆续涌现，研究者发现，底层局部特征对于行为视频的描述能力非常有限，而较大行为类内变化以及复杂背景等，使得底层特征对视频中行为的表示能力和判别能力受到较大程度的限制。为此，众多学者致力于挖掘底层新特征，并在此基础上提炼和挖掘包含更丰富信息的行为部件表示，取得了不菲的研究成果。

目前已提出的部件构建方法主要有：

(1)Q.Zhao,H.I.Horace.Unsupervised approximate-semantic vocabularylearning for human action and video classification[J].Pattern RecognitionLetters,2013,Vol.34,No.15,pp.1870-1878.文章提出了一种无监督的上下文谱聚类框架以获取行为视频的部件表示，语义相近的视觉单词能够被划分在同一个聚类簇中，从而增强了聚类方法的精确度，然而该方法并没有对部件的纯粹性作进一步的约束，使得部件的表达能力得不到有效保证。

(2)F.Chen,N.Sang,C.Gao,et al.Discovering distinctive action parts foraction recognition[C].Image Processing(ICIP),2014IEEE InternationalConference on.IEEE,2014:1520-1524.文章通过从训练视频中学习和自动挖掘判别性部件检测器，并利用白化的HOG3D特征和部件检测器进行聚类，但是忽略了人体行为部件间的结构关系，对部件间的关系表达不完整，而这些部件间的关系对于行为识别来说是非常重要的属性。

发明内容

本发明目的在于针对上述已有技术的不足，提出了一种基于行为部件时空关系的行为识别方法，以充分利用人体行为部件之间的结构关系，获取行为部件及部件间的时空关系，从而获取具有较强的表达性和判别性的特征表示，提高行为识别的准确率。

本发明的技术思路是：通过对行为视频提取稠密轨迹，计算HOG和HOF特征，并串接作为底层特征实现层次聚类，以获取行为部件；在行为部件基础上，构造行为视频的行为部件表示，并进一步计算行为部件间的时空交互关系描述子；结合行为视频的行为部件表示和行为部件间的时空交互关系描述子，获取更丰富的行为表示，以实现行为识别。

根据上述思路，本发明的技术方案包括如下：

(1)对行为视频提取稠密运动轨迹，得到轨迹点的3D坐标，并计算稠密轨迹的方向梯度直方图HOG和光流方向直方图HOF，作为底层特征；

(2)利用步骤(1)获得的底层特征进行层次聚类，以获取行为部件；

(3)对获取的行为部件训练分类器，获取部件分类器集合SVM_Set，进一步获取行为部件表示G_Feat；