基于Adaboost关键帧选择的多尺度人体动作识别方法

摘要：

针对手工制作关键帧检测器和最初“特征包”方法的局限性,提出一种基于Adaboost关键帧选择和多尺度运动特征表示的人体动作识别方法.首先,从视频序列中提取兴趣点,使用生物启发特征结合光流的多尺度方法提取运动特征;然后,利用Adaboost学习方法从一个大的特征池中选取最具辨识度的几帧图像,并将排列前十的Adaboost帧作为相应的关键帧;最后,利用相关图表示关键帧,由支持向量机(support vector machine,SVM)完成人体动作分类.在KTH、多视图IXMAS和TUM数据库上的实验结果显示,该方法在3个数据库上的识别精度可分别高达95.5％,93.7％和91.5％,识别性能明显优于其他几种较新的方法,表明利用Adaboost学习算法可有效选取每个视频动作序列的关键帧,并有效解决了“特征包”方法的局限性问题.

关键词：Adaboost关键帧选取、多尺度、动作识别、相关图、金字塔表示

所属期刊栏目：27

分类号：TP399(计算技术、计算机技术)

资助基金：河南省科技厅科技发展计划项目134300510037;The Science and Technology Development Plan Projects from Science and Technology Office of Henan Province134300510037

在线出版日期：2016-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：549-555