[发明专利]基于时空多尺度统计匹配模型的动作检测方法

摘要

本发明公开了一种基于时空多尺度统计匹配模型的动作检测方法，首先通过挖掘高斯差分LARK(GLARK)特征来编码局部内容相似性。这种特征可以很好地描述弱边缘的形状和走势，并提出了一种基于时空多尺度统计匹配的SMSM模型，平衡了局部小窗口GLARK结构和局部大窗口邻域结构之间的关系。其次，在SMSM模型中采用多尺度复合模板集，并对不同尺度大小的可变动作能够鲁棒检测。实验表明，本方法解决了背景干扰带来的弱边缘漏检问题，提升了多尺度匹配效率，能够准确地检测动作。

主权项

一种基于时空多尺度统计匹配模型的动作检测方法，其特征在于：包括以下步骤：1)、构建新的局部GLARK特征；K(CGLK,ΔXl)=exp{-ΔXlTCGLKΔXl}]]>式中，K(·,·)为局部自适应回归核核值，l∈[1,...,P2]，P2是以感兴趣像素为中心的局部窗口中像素的总数；ΔXl＝[dx,dy]T，dx和dy分别表示空间图像表面x轴微分和y轴微分；CGLK=Σm∈ΩlZx2(m)Zx(m)Zy(m)Zx(m)ZT(m)Zx(m)Zy(m)Zy2(m)Zy(m)ZT(m)Zx(m)ZT(m)Zy(m)ZT(m)ZT2(m)]]>式中，Ωl代表时空分析窗口，m∈Ωl，Zx(m)和Zy(m)分别为空间图像表面m处x轴和y轴高斯差分梯度矩阵，ZT(m)为m处时间维上的梯度；2)、根据步骤1)得到的局部GLARK特征得到模板视频序列和测试视频序列的特征矩阵FQ和特征矩阵FQ和分别包括列向量和计算列向量和夹角的余弦值，得到余弦相似性矩阵ρ3DGLK(:,:,k)：式中，k＝1,2,......,tT,ρij为列向量和夹角的余弦值，其中，i＝1,2,......,mT,j＝1,2,......,nT；3)、取余弦相似性矩阵ρ3DGLK(:,:,k)每一行的最大值，记录FQ中和这个最大值对应的列向量的位置，并记为索引矩阵indexGLK(:,k)：indexGLK(:,k)=(x1,x2,......,xmT)Tx1,x2,......,xmT=1,2,...,nT;]]>4)、选择一个局部窗口遍历indexGLK(:,k)矩阵，并记录窗口内不重复索引值的个数nu m。