[发明专利]一种基于AP聚类词袋建模的行为识别方法

摘要

一种基于AP聚类词袋建模的行为识别方法，包括：视频的时空兴趣点检测；对检测得到的所有时空兴趣点使用3D HOG和3D HOF描述子进行描述得到联合的特征向量；对所有的特征向量进行AP聚类生成视觉词典，并用视觉词典重新描述特征向量；用视觉词典描述测试视频的特征向量；用支持向量机对前两步得到的特征进行学习和分类，得到测试视频的行为类别。本发明可以一次性获取合适的视觉词典容量，不需要像传统的词袋模型那样进行多次试验，可以极大地减少聚类时间，且该方法对联合描述的多种局部特征的聚类效果更佳，有利于提高行为识别率。

主权项

一种基于AP聚类词袋建模的行为识别方法，其特征在于：所述行为识别方法包括以下步骤：步骤1，对视频进行兴趣点检测，得到时空兴趣点集；步骤2，对检测得到的所有时空兴趣点使用3D HOG和3D HOF描述子进行描述得到联合特征向量；步骤3，用训练视频的联合特征向量构建词袋模型，对训练视频的联合特征向量进行AP聚类生成视觉词典，并用视觉词典重新描述特征向量；构建词袋模型的过程为：将所有训练视频的特征向量组合在一起，构建一个特征向量矩阵并进行AP聚类，若获取的聚类中心个数为K，则构建了一个具有K个单词的视觉词典，即K个关键特征，为每个训练视频分配一个K维的向量，且初始化为0，这个向量的每一维对应着视觉词典中的每个单词，计算每个训练视频对应的特征向量距离K个关键特征的距离，假定与第i个关键特征的距离最近，则在对应初始化为0的K维向量的第i个位置加1，这样就得到一个K维的特征向量，并用该特征向量表征输入视频的特征，将所有通过词典重新描述过的视频对应的特征向量进行标记，在每一类别的最后一维后面添加一维用于标记该视频的类别；步骤4，使用步骤3聚类生成的词典重新描述测试视频的特征向量；步骤5，使用步骤3得到的训练特征向量训练支持向量机分类器，用已训练的支持向量机分类器对步骤4得到的测试视频特征向量分类，得到测试视频行为类别。