基于流密度的多重交互集体行为识别算法
作为当前模式识别领域的研究热点之一,识别视频场景中的集体行为有着重要的科研意义和应用价值.已有的识别方法都忽略了对集体行为中多重交互关系的描述和分析,使得复杂视频场景中的集体行为识别仍存在局限性.该文提出了一种基于流密度的多重交互集体行为识别算法FDA,能够识别集体行为的局部和全局模式.为了准确地衡量个体间的行为一致性程度,受流体力学启发定义了流密度,并通过基于流密度的聚类算法识别局部子群组;为了精确描述集体行为客观存在中的多重交互关系,提出了多重邻接关系模型.该模型能够分析子群组间的全局一致性,进而通过合并具有较高一致性的子群组得到全局集体行为模式.在多个真实视频数据集上的实验结果表明,FDA算法相比于已有方法具有更高的识别精度.
集体行为、多重交互、流密度、密度峰值
40
TP18(自动化基础理论)
国家自然科学基金61170223,61502434,61672469,61772475;河南省科技攻关项目172102210011资助.This work is supported by the National Natural Science Foundation of ChinaGrant .61170223,61502434,61572469,61772475;the Henan Provincial Key Technology Research and Development ProgramGrant 172102210011
2018-01-23(万方平台首次上网日期,不代表论文的发表时间)
共14页
2519-2532