基于SIFT和HOG特征融合的人体行为识别方法

• 作者: 叶奇玲 韩欣欣
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 行为识别 特征融合 尺度不变特征变换 方向梯度直方图 支持向量机
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 71-73,78
• 页数: 4页
• 分类号: TP391
• 字数: 2657字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.06.015

摘要

行为识别是视频分析的一个核心任务,而行为特征的提取与选择直接影响识别效果.针对单一特征往往受到人体外观、环境、摄像机设置等因素的影响而识别效果不佳的问题,提出一种分别提取尺度不变特征变换(SIFT)和方向梯度直方图(HOG)的特征并形成融合特征,再利用支持向量机(SVM)完成特征分类的行为识别方法.基于Matlab人体行为识别和检测的研究,通过采用KTH和Weizmann人体行为库来验证该算法的有效性.实验结果表明,该算法在人体行为识别中识别率可达到90％以上,比单独使用上述两种特征或者其他传统的描述子更高效,同时也能更好地适应光照等外部因素的变化,得到更好的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩欣欣	南京邮电大学通信工程学院	1	8	1.0	1.0
2	叶奇玲	南京邮电大学通信工程学院	1	8	1.0	1.0