基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
对于人体行为识别,以前方法提取的轨迹包含了背景的无关的运动变化.同时,由于相机运动,轨迹位移的方向幅度描述符缺乏鲁棒性.针对这些问题,该文提出了跟踪显著相对运动点的行为识别方法.首先利用运动边缘检测器提取运动特征,经自适应门限处理后,将包含显著特征的超像素作为相对运动区域.然后跟踪相对运动超像素内的兴趣点来产生轨迹.对于轨迹形状,预定义的多重方向模式被用来产生轨迹位移矢量的方向分布统计.最后,分别采用轨迹的方向梯度、运动边缘、方向统计及其组合作为分类器的输入来识别行为.在KTH和UCF-sports行为数据库上,提取的相对运动点轨迹能够描述对象的运动变化,方向统计描述符提高了轨迹形状特征的鲁棒性.与相关文献比较,我们方法获得了较好的识别性能.
推荐文章
基于改进稠密轨迹与Fisher向量编码的人体行为识别方法
改进稠密轨
Fisher向量编码
人体行为识别
特征提取
量化
稠密光流
基于轨迹模式识别的空中交通燃油消耗算法
雷达数据
燃油消耗
轨迹模式识别
最小二乘法直线拟合
基于神经网络运动轨迹识别系统
神经网络
形心轨迹
轨迹特征
智能识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于有效轨迹和多重方向模式的行为识别
来源期刊 信号处理 学科 工学
关键词 行为识别 相对运动 轨迹特征 超像素
年,卷(期) 2016,(5) 所属期刊栏目 论文与技术报告
研究方向 页码范围 519-527
页数 9页 分类号 TP391
字数 5619字 语种 中文
DOI 10.16798/j.issn.1003-0530.2016.05.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吴镇扬 东南大学信息科学与工程学院 167 1889 20.0 37.0
2 周琳 东南大学信息科学与工程学院 39 136 7.0 9.0
3 周同驰 东南大学信息科学与工程学院 5 29 3.0 5.0
4 徐勤军 东南大学信息科学与工程学院 4 40 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (30)
共引文献  (8)
参考文献  (12)
节点文献
引证文献  (3)
同被引文献  (15)
二级引证文献  (3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(13)
  • 参考文献(2)
  • 二级参考文献(11)
2013(9)
  • 参考文献(2)
  • 二级参考文献(7)
2014(8)
  • 参考文献(7)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
行为识别
相对运动
轨迹特征
超像素
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信号处理
月刊
1003-0530
11-2406/TN
大16开
北京鼓楼西大街41号
18-143
1985
chi
出版文献量(篇)
5053
总下载数(次)
13
总被引数(次)
32728
论文1v1指导