主权项 |
一种基于隐结构推理的行为识别方法,所述隐结构表示通过一幅图中每条边对应的子图的结构变量来描述的结构,所述结构变量表示对应边周围结构信息,其特征在于,该方法包括以下步骤:步骤1,提取训练视频数据中每一行为类别的所有视频的局部特征;步骤2,对所述步骤1得到的每一行为类别的局部特征分别进行聚类,得到n个聚类中心,所述n个聚类中心作为特征码本构成一个词袋,并且用距离一局部特征最近的码本作为该局部特征的标记;步骤3,利用每一行为类别所对应的词袋中不同的特征码本在训练数据中的时空分布,构建一个描述各个特征码本之间联系的共生关系图G;步骤4,对每一行为类别所对应的共生关系图G,利用基于香农熵的结构推理方法找出所述共生关系图G中隐藏的结构信息,其中,所述基于香农熵的结构推理方法中,利用结构变量R(g)的值来表示共生关系图G中对应边周围的隐藏的结构信息,所述结构变量R(g)表示为:R(g)=max p<sup>E</sup>(1‑p) <sup>N</sup>,其中,g表示对共生关系图G中每一条边构建得到的子图,E为连接每个边的两个节点(u,v)的第一种路径的条数,所述第一种路径反映节点(u,v)在图中所包含的部件内部的连接关系,N为连接每个边的两个节点(u,v)的第二种路径的条数,所述第二种路径反映节点(u,v)在图中所包含的部件与部件之间的连接关系, p表示某一条路径属于第一种路径的概率;步骤5,将推理得到的隐藏的结构信息反馈到每一个共生关系图G中,以使之优化成一个具有多层结构信息的结构化共生关系图模型G<sub>i</sub>;步骤6,利用所述结构化共生关系图模型G<sub>i</sub>计算每个局部特征点的稳定性系数;步骤7,将具有同一码本标识的所有局部特征点的稳定性系数进行累加,得到各个码本的分布直方图H<sub>i</sub>,将所有分布直方图首尾连接起来构成一个直方图链,作为所述训练视频数据最终的行为特征;步骤8,利用所有训练视频数据的行为特征学习得到一个分类器模型;步骤9,提取每一测试视频的局部特征,并根据所述步骤6、7提取得到所述测试视频的行为特征;步骤10,将所述步骤9提取得到的行为特征送入所述步骤8得到的分类器模型中进行分类识别,得到分类识别结果。 |