10.3979/j.issn.1673-825X.2019.01.017
基于显著性区域的红外行为识别
视频特征的提取是行为识别方法中一个关键步骤, 当视频场景中存在无关行人或者背景干扰时, 提取的特征往往会包含较多的干扰信息, 这将严重影响分类器的分类效果, 进而影响行为识别准确率.针对这类问题, 提出了一种基于显著性区域的红外行为识别方法.该方法对视频序列提取光流运动历史图 (optical flow-motion history image, OF-MHI)特征, 获取视频序列的运动信息, 此步骤旨在消除图像背景及静止目标干扰.利用类别激活映射 (class activation map, CAM)方法进一步消除运动目标干扰, 获得兴趣目标显著性区域, 进而获得显著性区域特征图.输入卷积神经网络 (convolutional neural network, CNN)提取最终特征, 并采用支持向量机 (support vector machine, SVM)获得识别结果.与传统方法相比, 实验结果表明, 该方法有效地提升了识别准确率.
行为识别、红外视频、显著性区域、卷积神经网络
31
TP391.4(计算技术、计算机技术)
国家自然科学基金61571071;重庆邮电大学大学文峰创新创业项目WF201404
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共8页
128-135