基于PE-Cuboid特征的人体行为识别算法

摘要：

为了克服单纯使用局部时空兴趣点（spatial-temporal interest point，STIP）的方法在对视频序列中人体行为进行识别时提取的特征点太少，且其不能完整的表征图像的特征，提出一种结合局部特征和全局特征的特征描述子PE-Cuboid，能有效的提高人体行为识别的正确率。对每一个视频序列提取PE-Cuboid特征，利用像素变化概率图（PCRM）和边缘方向直方图（EOH）捕捉全局运动信息，局部的Cuboid描述子对全局特征做进一步区分，对最终生成的PE-Cuboid特征进行K-means聚类形成视觉词汇本（visual dictionary），将视觉词汇本输入到线性SVM分类器（linear Support Vector Machines， LSVM）中进行学习、训练、分类，最后采用打分的机制得到行为类别。该文算法在KTH、Weizmann行为数据库和我们自拍测试集中都做了测试，实验结果显示算法具有较高的识别率。

关键词：行为识别、时空兴趣点、PE-Cuboid、支持向量机

分类号：TP391(计算技术、计算机技术)

在线出版日期：2014-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1287-1290