基于LLC与GIST特征的静态人体行为分类

摘要：

针对静态图像人体行为识别问题,提出一种融合局部约束线性编码(LLC)和全局特征描述子的方法.该方法对图像进行密集采样,提取每个子区域的SIFT特征,利用LLC方法对提取的密集SIFT特征进行编码和池化.为了加入空间信息,采用空间金字塔的思想,获得具有空间位置信息的LLC池化特征.将LLC池化特征串联通用搜索树(GIST)特征作为图像的最终描述,使用核函数为直方图交叉核函数的支持向量机进行分类.实验结果表明,与利用LLC、空间金字塔匹配特征和GIST特征进行识别的方法相比,该方法识别效果较好.

关键词：行为识别、全局特征描述子、局部约束线性编码、空间金字塔匹配、最大池化

所属期刊栏目：44

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61401455

在线出版日期：2018-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：268-272,278