基于SIFT和HOG特征融合的人体行为识别方法

摘要：

行为识别是视频分析的一个核心任务,而行为特征的提取与选择直接影响识别效果.针对单一特征往往受到人体外观、环境、摄像机设置等因素的影响而识别效果不佳的问题,提出一种分别提取尺度不变特征变换(SIFT)和方向梯度直方图(HOG)的特征并形成融合特征,再利用支持向量机(SVM)完成特征分类的行为识别方法.基于Matlab人体行为识别和检测的研究,通过采用KTH和Weizmann人体行为库来验证该算法的有效性.实验结果表明,该算法在人体行为识别中识别率可达到90％以上,比单独使用上述两种特征或者其他传统的描述子更高效,同时也能更好地适应光照等外部因素的变化,得到更好的识别率.

关键词：行为识别、特征融合、尺度不变特征变换、方向梯度直方图、支持向量机

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省自然科学基金-青年基金项目BK20140868

在线出版日期：2019-06-25（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：71-73,78