基于特征融合的人体行为识别

摘要：

为克服单个行为表达方法有效性上的不足,提出了一种基于多特征融合和支持向量机(SVM)的人体行为识别(HAR)方法.首先,利用背景差分提取运动显著区域;然后提取运动显著区域的剪影直方图和光流直方图,并采取一定的融合策略,构建融合特征结合SVM识别人体行为.实验以广泛使用的公开数据集Weizmann为研究对象,正确识别率达到99.8％以上.结果表明,提出的特征融合及识别方法能有效地对人体行为进行识别;而且,由于规避了比较耗时的序列匹配操作,减少了计算量.

关键词：行为识别(HAR)、信息融合、支持向量机(SVM)、核方法

所属期刊栏目：25

分类号：TP391.4(计算技术、计算机技术)

资助基金：教育部重点科研项目;高等学校博士学科点专项科研基金

在线出版日期：2014-10-29（万方平台首次上网日期，不代表论文的发表时间）

页码：1818-1823