[發明專利]一種零訓練樣本行為識別方法

有效

• 申請號: 201310364990.2
• 申請日: 2013-08-20
• 公開（公告）號: CN103400160B
• 公開（公告）日: 2017-03-01
• 發明（設計）人: 王春恒;張重;肖柏華;劉爽;周文
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06K9/00
• 代理公司: 中科專利商標代理有限責任公司11021
• 代理人: 宋焰琴

1.一種零訓練樣本行為識別方法，其特征在于，該方法包括以下步驟：

步驟S1，提取視頻樣本庫中每個動作視頻樣本的特征向量；

步驟S2，設定對應于多種人體行為的多個人體運動屬性，以及在每個人體運動屬性下，每兩個代表人體行為的動作視頻，即動作視頻對之間的關系；

步驟S3，將所述動作視頻對之間的關系作為輸入，利用排序支持向量機進行訓練，得到訓練模型；

步驟S4，利用所述排序支持向量機輸出的排序分數，對每一類具有訓練樣本的人體行為進行擬合得到一個混合高斯模型；

步驟S5，根據所述步驟S4得到的混合高斯模型，利用遷移學習，獲得零訓練樣本人體行為類別的混合高斯模型；

步驟S6，按照步驟S1的描述，提取得到測試視頻樣本的特征向量；

步驟S7，根據所述測試視頻樣本的特征向量以及所述步驟S5得到的零訓練樣本人體行為類別的混合高斯模型，利用最大后驗概率原則，判斷所述測試視頻樣本中零訓練樣本人體行為所屬的類別。

2.根據權利要求1所述的方法，其特征在于，所述步驟S1進一步包括以下步驟：

步驟S11，對所述視頻樣本庫中的每個動作視頻樣本利用三維角點特征提取多個時空興趣點；

步驟S12，在每個提取到的時空興趣點周圍提取梯度直方圖和光流直方圖，并將提取得到的這兩個特征直接連成一個特征向量；

步驟S13，利用聚類方法將所有得到的特征向量聚集為多個聚類中心；

步驟S14，利用詞包模型將每個動作視頻樣本表示成一個維數與所述聚類中心的個數相同的直方圖，作為相應動作視頻樣本的特征向量。

3.根據權利要求2所述的方法，其特征在于，所述步驟S14中的直方圖的每一維表示在相應聚類中心出現特征向量的個數。

4.根據權利要求1所述的方法，其特征在于，所述步驟S2中，所述多種人體行為包括拳擊，鼓掌，揮手，慢跑，跑和走；所述多個人體運動屬性包括腿的運動，手臂的運動，手臂的張合，手臂形狀的筆直情況和過胸的手臂運動。

5.根據權利要求4所述的方法，其特征在于，在每個人體運動屬性下，動作視頻對之間的關系包括：

對于所述腿的運動，跑＞慢跑＞走＞拳擊～鼓掌～揮手；

對于所述手臂的運動，揮手＞鼓掌＞拳擊＞跑＞慢跑～走；

對于所述手臂的張合，鼓掌＞揮手＞拳擊～慢跑～跑～走；

對于所述手臂形狀的筆直情況，鼓掌～揮手＞走＞拳擊＞慢跑～跑；

對于所述過胸的手臂運動，揮手＞拳擊～鼓掌＞慢跑～跑＞走；

其中，“＞”表示人體運動屬性的大于關系，“～”表示人體運動屬性的相似關系。

6.根據權利要求1所述的方法，其特征在于，所述排序支持向量機采用Sigmoid和Gaussian函數作為損失函數。