10.11896/j.issn.1002-137X.2015.11.060
基于局部和全局特征视觉单词的人物行为识别
基于视觉单词的人物行为识别由于在特征中加入了中层语义信息,因此提高了识别的准确性.然而,视觉单词提取时由于前景和背景存在相互干扰,使得视觉单词的表达能力受到影响.提出一种结合局部和全局特征的视觉单词生成方法.该方法首先用显著图检测出前景人物区域,采用提出的动态阈值矩阵对人物区域用不同的阈值来分别检测时空兴趣点,并计算周围的3D-SIFT特征来描述局部信息.在此基础上,采用光流直方图特征描述行为的全局运动信息.通过谱聚类将局部和全局特征融合成视觉单词.实验证明,相对于流行的局部特征视觉单词生成方法,所提出的方法在简单背景的KTH数据集上的识别率比平均识别率提高了6.4%,在复杂背景的UCF数据集上的识别率比平均识别率提高了6.5%.
视觉单词、显著图、3D-SIFT、动态阈值矩阵、光流直方图
42
TP391.4(计算技术、计算机技术)
国家自然科学基金:基于二型模糊概率图模型的多摄像头目标跟踪研究61170124;基于显著性和信任传递的动态场景主题发现61272258;基于深度学习的时序3D深度图动作语义理解61301299;江苏省产学研联合创新资金前瞻性联合研究项目:复杂场景下异常行为分析及其应用BY2014059-14
2015-12-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
293-298