复杂场景下面向时空模糊性的人体动作检测方案研究

摘要：

与严格受控环境下传统的人体动作检测不同，进行复杂场景下的动作检测时由于背景带有噪声、人体遮挡和跟踪不全导致空间和时间边界存在时空模糊性。现有的动作检测方案无法有效解决这一问题，为此，首先采用运动历史图像特征和外观特征对人体运动进行区分，然后将一个动作的候选区域看成是一个实例包，提出模拟退火多实例学习支持向量机（SMILE?SVM）算法实现人体动作检测。仿真结果表明，该算法在公共的CMU运动数据集上的性能优于现有算法。另外，还提出了一种超市客户意图检测系统，可检测拥挤的超市中客户是否有意从货架上取货，对于商家研究客户兴趣具有重大价值。

关键词：人体动作检测、时空模糊性、运动历史图像特征、外观特征、多实例学习

所属期刊栏目：39

分类号：TN911.73-34;TP391

资助基金：国家自然科学基金61402410/F020501

在线出版日期：2016-08-04（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：38-42,46