本发明专利技术公开了一种基于低秩表示的人体行为识别方法，主要解决现有技术对视频中的行为识别率低的问题。其识别过程为：(1)输入所有视频，利用k均值对所有行为检测到的局部特征进行聚类得到一个码书；(2)通过带有系数归一化约束的低秩表示LRR对每个视频的所有特征进行编码；(3)将每个视频的编码系数向量化，得到每个视频的最终表示；(4)将得到最终表示的所有视频分组，一组作为训练样本，一组作为测试样本，利用训练样本的视频表示组成字典；(5)基于新组成的字典上，利用稀疏表示对测试样本进行编码并确定测试样本的类标,完成测试样本中人体行为的识别。本发明专利技术增强了视频表示的判别性，提高了对视频中人体行为的识别率，可用于智能监控。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，主要解决现有技术对视频中的行为识别率低的问题。其识别过程为：(1)输入所有视频，利用k均值对所有行为检测到的局部特征进行聚类得到一个码书；(2)通过带有系数归一化约束的低秩表示LRR对每个视频的所有特征进行编码；(3)将每个视频的编码系数向量化，得到每个视频的最终表示；(4)将得到最终表示的所有视频分组，一组作为训练样本，一组作为测试样本，利用训练样本的视频表示组成字典；(5)基于新组成的字典上，利用稀疏表示对测试样本进行编码并确定测试样本的类标,完成测试样本中人体行为的识别。本专利技术增强了视频表示的判别性，提高了对视频中人体行为的识别率，可用于智能监控。【专利说明】
本专利技术属于机器学习、计算机视觉领域，涉及对视频中人物行为的识别，可用于视频中目标检测及跟踪的后处理。
技术介绍
人体行为识别包括从视频序列中抽取相关的视觉信息，并用一种合适的方式进行表达，最后解释这些信息以实现学习和识别人的行为，研究人体的行为模式将为人们的生活带来全新的交互方式。近年来，特征包BoF模型被成功应用于图像分类和行为识别领域。在行为识别领域，它把视频序列描述成一系列视觉关键词的统计直方图。视觉关键词统计直方图的构建分为以下几个步骤:第一步,利用局部特征检测器,如Harris3D检测子，Hessian检测子，Cuboid检测子等，自动检测出视频中感兴趣的区域，并用相应的描述子对其进行描述；第二步，利用K均值将所有视频局部特征描述符进行聚类，形成若干个聚类中心，即视觉关键词，聚类中心的个数或称词包的大小可事先由人为确定。第三步，计算每个视频中局部特征描述符与每个聚类中心的欧式距离，距离最小的聚类中心被认为是该局部特征的视觉关键词，统计视频中所有局部特征关键词的数目，形成视觉关键词直方图。尽管特征包模型简单有效，但由于视频中的局部特征数目多而且复杂，需要成千上万个视觉关键词才能 获得比较好的识别结果，而且特征包模型并没有考虑视觉关键词的内部结构?目息。2010年，X.Yan等人将特征包模型与有效人体区域包结合在一起，由于有效人体区域包描述了两个局部特征的关系，这样就弥补了特征包没有考虑局部特征之间关系的不足。参见 X.Yan, Y.Luo, ((Making full use of spatial-temporal interest points:anadaboost approach for action recognition)) , International Conference on ImageProcessing。2010年，Y.Zhu等人将局部特征与稀疏表示结合在一起，提出了一个新的具有判别性表达方式，参见 Y.Zhu, X.Zhao, Y.Fu, Y.Liu,《Sparse coding on localspatial-temporal volumes for human action recognition)), Asian Conference onComputer Vision。2011年，Z.Lu等人通过I1图的构建和谱嵌入结合起来。该方法考虑了视觉关键词的流形结构，其得到的表示是紧致的而且具有判别性。参见Z.Lu，Y.Peng，《Latentsemantic learning with structured sparse representation for human actionrecognition)), ICCV0以上提到的改善方法均存在以下不足:只考虑稀疏性，没有考虑数据的整体结构性，所以无法获取视频局部特征中的全局结构信息，识别率低。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种，以获取视频局部特征中的全局结构信息，提高识别率。实现本专利技术的技术思路是:考虑视觉关键词的全局结构，对所获取的局部特征进行编码，将其应用到人体行为识别领域，具体步骤如下:(I)输入所有视频，每个视频中只含有一种行为，利用Cuboid特征检测和描述算法中的Cuboid检测子和描述子分别对视频中的行为进行局部特征检测和描述；(2)利用k均值法，对所有视频的行为局部特征进行聚类，形成一个码书:【权利要求】1.一种，包括如下步骤: (1)输入所有视频，每个视频中只含有一种行为，利用Cuboid特征检测和描述算法中的Cuboid检测子和描述子分别对视频中的行为进行局部特征检测和描述； (2)利用k均值法，对所有视频的行为局部特征进行聚类，形成一个码书:A=∈Rd*l其中:ak表示每个聚类中心，k=l, 2，…，1，I表示聚类中心的个数，d表示聚类中心的维数； (3)利用带有系数归一化约束的低秩表示LRR，在码书A上对每个视频中的行为所包含的局部特征进行编码: (3a)假设视频中的行为有11个局部特征，用X=∈Rd*n表示，其中:Xi表示第i个局部特征，i=l, 2，…，n, d表示局部特征的维数； (3b)在码书A上，利用如下公式进行编码: 【文档编号】G06K9/00GK103440471SQ201310163241【公开日】2013年12月11日 申请日期:2013年5月5日 优先权日:2013年5月5日 【专利技术者】张向荣, 焦李成, 杨浩, 杨阳, 侯彪, 王爽, 马文萍, 马晶晶 申请人:西安电子科技大学本文档来自技高网...
【技术保护点】
一种基于低秩表示的人体行为识别方法，包括如下步骤：（1）输入所有视频，每个视频中只含有一种行为，利用Cuboid特征检测和描述算法中的Cuboid检测子和描述子分别对视频中的行为进行局部特征检测和描述；（2）利用k均值法，对所有视频的行为局部特征进行聚类，形成一个码书：其中：ak表示每个聚类中心，k=1,2,…,l，l表示聚类中心的个数，d表示聚类中心的维数；（3）利用带有系数归一化约束的低秩表示LRR，在码书A上对每个视频中的行为所包含的局部特征进行编码：（3a）假设视频中的行为有n个局部特征，用表示，其中：xi表示第i个局部特征，i=1,2,…,n，d表示局部特征的维数；（3b）在码书A上，利用如下公式进行编码：minZ,E||Z||*+λ||E||2,1,s.t.X=AZ+E,1Z=1^其中：Z表示局部特征在码书A上的编码系数，E表示噪声，‖·‖*表示一种矩阵奇异值之和的核函数，参数λ用来权衡低秩和噪声的影响，‖E‖2,1表示对E的l2,1范数，Eij为E的第i行第j列元素，矩阵1和中每个元素均为1；（3c）利用中间变量J代替(3b)中的Z，将编码公式转化为：minZ,E,J||J||*+λ||E||2,1,s.t.X=AZ+E,Z=J,1Z=1^由此将对Z的多约束优化问题简化为对J的单约束优化，利用增强拉格朗日乘子ALM算法对该公式进行求解，得到一个行为的所有局部特征对应的编码系数（4）对每个人体行为的局部特征，根据步骤（3c）中得到的编码系数，应用max pooling算法，将每个人体行为表示成一个l维的列向量:z*=[z^1,z^2,...,z^k,...,z^l]T,k=1,2,...,l其中z^k=max(|zk1|,|zk2|,...,|zki|,...,|zkn|),i=1,2,...,n,zki表示Z的第k行第i列元素;（5）把一个动作者的所有行为视频作为测试样本集，其他动作者的所有行为视频作为训练集，训练集样本个数为m，利用所有训练样本的编码系数组成字典其中m是字典原子个数，j是字典的类别标号,c为总类别数；（6）利用随机生成的线性变换矩阵对每个测试样本进行降维，b＜＜l，得到降维后的测试样本：并通过下式得到每个测试样本的编码系数β：minβ||y^-RDβ||22+η||β||1,其中，‖·‖2表示向量的l2范数，‖·‖1表示向量的l1范数，R均值为0，方差为1，D是训练样本组成的字典，η是用于平衡重建误差和编码稀疏性的参数，取值范围为0?1；（7）计算测试样本在每类字典上的残差rj(y^)=||y^-RDjβj||22/||βj||2,j=1,2,...,c其中：βj是测试样本在第j类字典Dj上的编码系数，如果在第j类字典上的残差最小，则赋予测试样本的类标为j；（8）重复步骤（5）?（7），依次对每个动作者的所有行为进行分类，得到所有动作者的所有行为类标，并用分类标号对应不同的人体行为。FDA00003144074500011.jpg,FDA00003144074500012.jpg,FDA00003144074500014.jpg,FDA00003144074500015.jpg,FDA00003144074500016.jpg,FDA00003144074500018.jpg,FDA00003144074500023.jpg,FDA00003144074500024.jpg,FDA00003144074500025.jpg,FDA00003144074500026.jpg,FDA00003144074500028.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：张向荣，焦李成，杨浩，杨阳，侯彪，王爽，马文萍，马晶晶，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。