基于时间维度局部特征的人体行为识别

• 作者: 张九龙 张镇东 杨夙 肖照林 高阳
• 来源期刊: 西安理工大学学报
• 学科: 工学
• 关键词: 行为识别 局部特征 运动信息 FAST角点 词袋模型
• 年，卷（期）: 2017,（2）
• 页码范围: 169-174
• 页数: 6页
• 分类号: TP391.4
• 字数: 4427字
• 语种: 中文
• DOI: 10.19322/j.cnki.issn.1006-4710.2017.02.008

摘要

视频人体行为识别算法中,局部特征三维模板卷积法难以避免背景中伪兴趣点且计算耗时.提出一种高效准确的融合时间维度和FAST角点特征的运动人体兴趣点检测方法,针对FAST角点不能表达时间维度信息的缺陷,将相邻三帧两两做差,然后在得到的前向和后向运动图像上进行FAST角点检测,取两个特征点集的交集作为当前帧运动人体局部兴趣点.该方法有效结合了时间维度信息和FAST算子的优点,具有耗时短、准确率高、运动相关性好的特点.最后应用词袋模型进行人体行为特征建模,分别应用SVM、KNN、决策树和LDA进行分类识别,在Weizmann、KTH数据库上进行测试,实验表明:SVM获得最好的分类性能,KNN获得最高的效率,因此KNN可以利用到实时的行为识别中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张九龙	西安理工大学计算机科学与工程学院	24	145	7.0	11.0
2	张镇东	西安理工大学计算机科学与工程学院	2	5	1.0	2.0
3	杨夙	西安理工大学计算机科学与工程学院	1	4	1.0	1.0
7	高阳	西安理工大学计算机科学与工程学院	6	19	2.0	4.0
8	肖照林	西安理工大学计算机科学与工程学院	2	5	1.0	2.0