[发明专利]一种基于运动历史图像与卷积神经网络的行为识别方法

摘要

本发明公开了一种基于运动历史图像与卷积神经网络的行为识别方法，包括以下步骤：S1、获取输入的原始视频图像，通过基于运动历史图像的行为序列特征提取方法对其进行处理；S2、采用基于深度卷积神经网络的方法对局部运动历史图像进行行为识别，得到行为类别分类器，最终通过该行为类别分类器输出行为识别结果。本发明从原始视频序列中计算运动历史图像，不仅减少了待处理的信息量，还提取了行为识别中的关键时空信息；接着以运动历史图像作为输入，搭建了深度卷积神经网络，然后利用随机梯度下降法(Stochastic gradient descent,SGD)与Dropout策略训练网络，最终实现行为类别分类。本发明能有效的应用于在线实时行为识别。

主权项

一种基于运动历史图像与卷积神经网络的行为识别方法，其特征在于，包括以下步骤：S1、获取输入的原始视频图像，通过基于运动历史图像的行为序列特征提取方法对其进行处理：先通过帧差算法提取原始视频图像中的前景，再由一段时间内的前景生成全局运动历史图像，采用最小外界矩形原则对全局运动历史图像进行运动区域的分割，并对其进行归一化处理，得到局部运动历史图像；S2、采用基于深度卷积神经网络的方法对局部运动历史图像进行行为识别：将得到的局部运动历史图像划分为训练集和测试集，搭建去除LRN层的AlexNet神经网络模型，将训练集和测试集带入该神经网络模型中，通过随机梯度下降法进行神经网络模型的权值参数的迭代更新，并通过Dropout策略抑制过拟合，得到行为类别分类器；最终通过该行为类别分类器输出行为识别结果。