基于二分类进化特征学的人体行为识别方法

摘要

本发明公开了一种基于二分类进化特征学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)输入训练集和测试集所有视频，提取包含有局部和全局空间信息的多种特征；(2)对提取得到的每一种特征进行费舍向量变换，得到变换后的特征；(3)对每一个变换后的特征计算正向和逆向进化序列；(4)计算每一个序列的正向和逆向进化步长；(5)将正向步长作为类别1，逆向步长作为类别‑1，使用二分类支持向量机进行分类，得到判别面的法向量；(6)将判别面的法向量作为原视频的特征表示用多分类支持向量机进行识别。本发明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。

主权项

一种基于二分类进化特征学习的人体行为识别方法，包括如下步骤：(1)输入训练集和测试集的所有视频，每个视频中只含有一种行为，分别提取每一个视频的四种局部特征：密度轨迹、方向梯度直方图、方向光流直方图和运动边界直方图；(2)将提取出来的所有视频的第cd种特征向量按行排列到一起构成特征矩阵V_cd中的第i行表示从视频集中第i个视频提取出来的编号为cd的特征向量，其中cd∈{1,2,3,4}，表示不同特征的编号，分别对应上述四种特征，i∈{1,2,...,N}，N表示所有视频的个数，D_cd表示第cd种特征的维数，表示N行D_cd列的实数空间；(3)从每一个特征矩阵V_cd中随机抽取5％行数据构成矩阵并使用主成分分析对其降维，用降维后的数据构建高斯混合模型GMM并求解，得到求解后的高斯混合模型参数gmm_cd，该gmm_cd中包括第cd类特征所对应GMM模型的权值、均值和方差；(4)根据(3)中计算得到的高斯混合模型参数gmm_cd，对每一个视频对应的特征矩阵V_i,cd进行费舍向量变换，得到V_i,cd对应的费舍特征向量V_{i,cd_fv}，其中下标i表示视频集中的第i个视频；(5)对每一个费舍特征向量V_{i,cd_fv}计算正向和逆向进化序列：(5a)每一个V_{i,cd_fv}用表示，其中x_ij表示第i个视频的第j个局部特征向量，n表示第i个视频的特征向量个数，符号[·]^T表示矩阵的转置；(5b)计算V_{i,cd_fv}对应的正向进化序列：其中vo_ij表示第i个视频对应正向进化序列V_{i,cd_order}中的第j个向量，计算公式为j∈{1,2,...,n}；(5c)计算V_{i,cd_fv}对应的逆向进化序列：其中vr_ij表示第i个视频对应逆向进化序列V_{i,cd_reverse}中的第j个向量，计算公式为j∈{1,2,...,n}；(6)对每一个正向进化序列V_{i,cd_order}和逆向进化序列V_{i,cd_reverse}计算进化步长：(6a)计算正向进化序列V_{i,cd_order}的进化步长：$U_{i,cd\_order}=[{\mathrm{uo}}_{i1},{\mathrm{uo}}_{i2},{\mathrm{uo}}_{i3},\mathrm{...},{\mathrm{uo}}_{ik},\mathrm{...},{\mathrm{uo}}_{im}]\in R^{m\times D_{cd}},$其中uo_ik表示第i个视频对应正向进化步长U_{i,cd_order}中的第k个向量，计算公式为B∈{2,3,...,7,...,15}表示进化步长计算范围，k∈{1,2,...,m}，m＝n‑B；(6b)计算逆向进化序列V_{i,cd_reverse}的进化步长：$U_{i,cd\_reverse}=[{\mathrm{ur}}_{i1},{\mathrm{ur}}_{i2},{\mathrm{ur}}_{i3},\mathrm{...},{\mathrm{ur}}_{ik},\mathrm{...},{\mathrm{ur}}_{im}]\in R^{m\times D_{cd}},$其中ur_ik表示第i个视频对应逆向进化步长U_{i,cd_reverse}中的第k个向量，计算公式：B∈{2,3,...,7,...,15}表示进化步长计算范围，k∈{1,2,...,m}，m＝n‑B；(7)对每一个费舍特征V_i,cd提取二分类进化特征，即设定每一个正向进化步长U_{i,cd_order}的类别标签为1，每一个逆向进化步长U_{i,cd_reverse}的类别标签为‑1，构建进化步长数据集(TR_i,cd,Y_i,cd)；在进化步长数据集(TR_i,cd,Y_i,cd)上训练一个二分类支持向量机分类器，得到二分类支持向量机判别面的法向量w_i,cd即为V_i,cd的二分类进化特征，其中样本样本标签Y_i,cd＝[1^m×1；(‑1)^m×1]∈R^2m×1，符号"；"表示按行排列，1^m×1表示m行1列值为1的向量，(‑1)^m×1表示m行1列值为‑1的向量；(8)将属于训练集的视频第cd种特征的二分类进化特征集合作为训练样本集TR，将属于测试集的视频第cd种特征的二分类进化特征集合作为测试样本集TE，在训练样本集TR上训练一个多分类支持向量机模型并对测试样本集TE进行分类，得到分类结果，该结果的正确率即为第cd种特征的人体行为识别正确率。