[發明專利]一種無監督多視圖特征選擇的人體行為識別方法

在審

• 申請號: 201310557008.3
• 申請日: 2013-11-11
• 公開（公告）號: CN103577841A
• 公開（公告）日: 2014-02-12
• 發明（設計）人: 肖俊;馮銀付;莊越挺;計明明;張鹿鳴
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 張法高

1.一種無監督多視圖特征選擇的人體行為識別方法，其特征在于包括如下步驟：

1)選用公共人體行為數據集KTH作為預先采集的包含不同人體行為類型的視頻數據集，選用通過視頻采集設備錄取的人體行為視頻作為待識別的人體行為視頻；

2)對預先采集的包含不同人體行為類型的視頻數據集提取m種類型的視覺特征表達，得到該視頻數據集所對應的多視圖特征數據矩陣X＝[X⁽¹⁾,X⁽²⁾,...,X^(m)]^T，其中是第v個視圖下的特征數據矩陣，是從第i個視頻數據中提取的第v種類型的視覺特征表達，n是該視頻數據集中所包含的視頻數目；

3)對任意第v個視圖，構建該視圖相關的視覺相似圖A^(v)，定義如下：

其中，表征第i個視頻數據與第j個視頻數據在第v個視圖下的視覺相似性；

4)對任意第v個視圖，依據A^(v)計算該視圖下的幾何拉普拉斯矩陣L^(v)，計算方法如下:

L^(v)＝D^(v)-A^(v)?????2

其中，D^(v)是對角矩陣，其對角位置i上的元素

5)根據X和L^(v)，構建求解多視圖特征選擇矩陣與數據聚類類別矩陣的目標函數如下：

minF,λv|v=1m,Wtr(FTΣv=1mλvrL(v)F)+α||XTW-F||2,1+β||W||2,1s.t.FTF=Ic,F≥0,Σv=1mλv=1,λv≥0---3]]>

在目標函數3中，F∈R^n×c是非負的數據聚類類別矩陣，c為數據聚類類別數目，r是開方次數常數，λ_v是第v個視圖的權重系數，I_c∈R^c×c是單位矩陣，α和β為正則化系數，tr(·)為矩陣求跡函數，||·||_2,1是矩陣的l_2,1范數，對于任意矩陣B∈R^p×q，其l_2,1范數||B||2,1=Σi=1pΣj=1qBij2;]]>

6)采用迭代梯度下降求解方法優化求解上面的目標函數3，得到目標函數的局部最優解F，和W；

7)對多視圖特征選擇矩陣W，先按照行計算||W_i,:||，i∈{1,...,d}，d為多視圖特征數據矩陣X的行數，接著對所有行的計算結果進行降序排序，根據排序結果設置二值特征選擇矩陣S如下：

S＝[s₁,s₂,...,s_p]∈{0,1}^d×p??????4

其中，s_i＝[0,...,1,...,0]^T∈R^d中值為1的位置對應于排序值為第i的W中的行號數，p為期望選擇出的特征維數；

8)對待識別的人體行為視頻提取m種類型的視覺特征表達得到對應的多視圖特征數據x＝[(x⁽¹⁾)^T,(x⁽²⁾)^T,...,(x^(m))^T]^T，接著計算特征選擇后的與X中各列數據的最小距離所對應的預先采集視頻編號：

j=argmin||x~-X~:,j||---5]]>

將待識別的人體行為視頻識別為預采集的第j個視頻數據中的人體行為類型，從而實現無監督多視圖特征選擇的人體行為識別。