基于时空深度特征的人体行为识别算法

摘要：

针对底层局部时空特征数量少以及中层特征表达能力弱的问题，结合时空深度特征，提出一种人体行为识别算法。依据运动剧烈区域在行为识别中提供更多判别信息的思想，利用视频图像的深度信息确定人体运动显著性区域，通过计算区域内光流特征作为度量区域活跃度的能量函数，依据能量函数对运动显著性区域进行高斯取样，使样本点分布于运动剧烈区域。将采集到的样本点作为动作底层特征描述人体行为，结合词袋模型，采用支持向量机分类器对行为进行识别。实验结果表明，在SwustDepth数据集中，基于时空深度特征的人体行为识别算法的平均行为识别准确率达到92%，且具有较高的鲁棒性。

关键词：行为识别、深度信息、采样策略、时空特征、词袋模型、运动显著性

分类号：TP391.41(计算技术、计算机技术)

资助基金：四川省教育厅科技基金资助项目12zd1005;西南科技大学研究生创新基金资助项目14cxjj0061;西南科技大学网络融合工程实验室开放基金资助项目12zxwk09。

在线出版日期：2015-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：259-263