发明名称 |
一种基于语义特征自动学与筛选的人类行为识别方法 |
摘要 |
本发明公开了一种高效的基于语义特征自动学与筛选的人类行为识别方法,包括从运动视频中检测时空兴趣点,提取时空兴趣点周围的运动和表观信息;在时空兴趣点特征基础上设计包含时空上下文信息的底层特征,描述一个局部区域的所有时空兴趣点特征,并且记录兴趣点之间的相对时空位置关系;在底层特征基础上,利用基于图模型的非负矩阵分解算法来自动生成高层语义特征;建立基于L<sub>2,1</sub>范数的组稀疏来选择各个行为类别中具有代表性和区分性的高层语义,通过模型的优化,将各个行为类别中具有代表性的语义特征保留下来,同时只采用优化后来自同一个行为类别的语义特征来训练分类器。本发明大幅提升了人类行为识别的智能化水平。 |
申请公布号 |
CN104063721A |
申请公布日期 |
2014.09.24 |
申请号 |
CN201410319126.5 |
申请日期 |
2014.07.04 |
申请人 |
中国科学院自动化研究所 |
发明人 |
胡卫明;王浩然;原春锋 |
分类号 |
G06K9/66(2006.01)I;G06K9/00(2006.01)I |
主分类号 |
G06K9/66(2006.01)I |
代理机构 |
中科专利商标代理有限责任公司 11021 |
代理人 |
宋焰琴 |
主权项 |
一种基于语义特征自动学习与筛选的人类行为识别方法,其特征在于,该方法包括:步骤S1、从视频中检测时空兴趣点;步骤S2、提取所述时空兴趣点的周围区域的视频底层特征;步骤S3、根据所述视频底层特征建立时空上下文特征;步骤S4、采用基于图模型的非负矩阵分解算法,根据所述视频底层特征生成高层语义特征;步骤S5、利用基于L<sub>2,1</sub>范数的组稀疏在高层语义特征基础上筛选出具有代表性和区分性的高层语义;步骤S6、利用筛选出的高层语义特征来训练分类器,利用训练好的分类别对视频进行分类。 |
地址 |
100190 北京市海淀区中关村东路95号 |