基于时空深度特征的人体行为识别算法

• 作者: 刘雨娇 范勇 酉霞 高琳
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 行为识别 深度信息 采样策略 时空特征 词袋模型 运动显著性
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: ?图形图像处理?
• 页码范围: 259-263
• 页数: 5页
• 分类号: TP391.41
• 字数: 3887字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.05.048

摘要

针对底层局部时空特征数量少以及中层特征表达能力弱的问题，结合时空深度特征，提出一种人体行为识别算法。依据运动剧烈区域在行为识别中提供更多判别信息的思想，利用视频图像的深度信息确定人体运动显著性区域，通过计算区域内光流特征作为度量区域活跃度的能量函数，依据能量函数对运动显著性区域进行高斯取样，使样本点分布于运动剧烈区域。将采集到的样本点作为动作底层特征描述人体行为，结合词袋模型，采用支持向量机分类器对行为进行识别。实验结果表明，在SwustDepth数据集中，基于时空深度特征的人体行为识别算法的平均行为识别准确率达到92%，且具有较高的鲁棒性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范勇	西南科技大学计算机科学与技术学院	77	624	12.0	20.0
2	高琳	西南科技大学计算机科学与技术学院	17	97	6.0	9.0
3	刘雨娇	西南科技大学计算机科学与技术学院	3	19	2.0	3.0
4	酉霞	西南科技大学计算机科学与技术学院	3	19	2.0	3.0