模拟人类视皮层感知机制的动作识别方法

摘要

本发明公开了一种模拟人类视皮层感知机制的动作识别方法，步骤为：对视频图像序列进行预处理；特征提取：建立S1单元模型，通过S1进行张量局部最大值滤波处理得到C1单元模型；从训练阶段得到的C1单元模型中随机提取片段与C1进行模版匹配得到S2单元模型，对S2进行全局最大值滤波，得到C2单元模型；选取训练阶段得到的C2单元模型中随机提取片段与C2单元模型进行模版匹配得到S3单元模型，对S3单元模型进行全局最大值滤波，得到特征张量C3单元；先后将经过预处理过的训练样本和测试样本进行上述特征提取处理，得到特征张量C3；特征张量C3输入分类器中进行分类。本发明能够高效﹑快速且准确地识别运动目标的动作。

主权项

模拟人类视皮层感知机制的动作识别方法，其特征在于，包括以下步骤：（1）对视频图像序列中运动目标进行中心定位的预处理，将视频图像中的运动目标限定在一个范围内；（2）特征提取：（2‑1）使用梯度模型、光流模型或时空特征模型对经过步骤（1）预处理的视频图像序列进行处理，根据处理结果建立一个模拟V1区简单细胞对运动方向选择性的S1单元模型；（2‑2）对S1单元模型进行正方形的结构元素膨胀图像处理，对S1单元模型进行张量局部最大值滤波处理，得到C1单元模型；（2‑3）从步骤（2‑2）在训练视频图像序列样本阶段得到的C1单元模型中随机提取P个n*n的片段，并建立第一片段库，然后将从C1单元模型随机提取的P个n*n的片段写入到第一片段库中；（2‑4）从第一片段库中读取所有n*n大小的片段，将步骤（2‑2）中得到的C1单元模型与读取到的每一个n*n大小的片段进行模版匹配得到S2单元模型，（2‑5）对S2单元模型进行全局最大值滤波，得到C2单元模型；（2‑6）从步骤（2‑5）在训练视频图像序列样本阶段得到的C2单元模型中随机提取P个n*n的片段，并建立第二片段库，然后将从C1单元模型随机提取的P个n*n的片段写入到第二片段库中；（2‑7）从第二片段库中读取所有n*n大小的片段，将步骤（2‑5）中得到的C2单元模型与读取到的每一个n*n大小的片段进行模版匹配得到S3单元模型；（2‑8）对S3单元模型进行全局最大值滤波，得到特征张量C3单元；（3）先将经过步骤（1）处理过的训练视频图像序列样本进行步骤（2）的处理，得到特征张量C3单元，然后将特征张量C3单元输入到分类器中进行处理；在训练视频图像序列样本完成上述操作时，将经过步骤（1）处理过的测试视频图像序列经过步骤（2‑1）至（2‑2）、（2‑4）至（2‑5）以及（2‑7）至（2‑8）处理，得到特征张量C3单元，然后将特征张量C3单元输入到分类器中进行分类，从而完成动作识别。