[發明專利]一種基于多實例馬爾科夫模型的行為識別方法

有效

• 申請號: 201310566006.0
• 申請日: 2013-11-14
• 公開（公告）號: CN103544503A
• 公開（公告）日: 2014-01-29
• 發明（設計）人: 王春恒;周文;肖柏華;張重
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 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

技術領域

本發明屬于智能視頻監控技術領域，具體涉及一種基于多實例馬爾科夫模型的行為識別方法。

背景技術

行為識別在視頻智能監控方面有著廣泛的應用。例如在某些特定的場合，機場，廣場，街道，商店等，對個人的危險行為以及群體的危險行為的預警對于公共安全有著重要的應用價值。目前，主流的行為識別主要是通過構建基于局部特征的詞包來進行識別。該方法沒有考慮行為特征點在時間和空間上的分布信息和語義信息，而且這些局部特征檢測子從背景中檢測到許多噪聲特征點。為了解決這些問題，Sadanand等人提出一種新的行為表示方法，該方法融入了語義信息用來彌補局部特征的不足，并且在復雜數據庫上具有較好的泛化性能。Liu等人定義一種新的高層語義特征：屬性來表示行為。Chakraborty等人利用圖像的語義信息來去除那些噪聲特征點，在復雜數據庫上達到了較好的效果。Raptis等人利用靜態特征和動態特征來表示部分結構，然后利用這些部分結構之間的空間和時間關系來進行行為識別。但是這些方法都沒有對復雜行為的時間結構進行建模。為了解決這個問題，Shi等人利用馬爾科夫模型對這些復雜的時間結構進行建模，將行為表示成各部分結構之間的狀態轉移過程，通過計算概率來進行行為分類。

發明內容

本發明的目的是為了解決復雜場景下行為識別的問題，為此，本發明提供一種基于多實例馬爾科夫模型的行為識別方法。

為了實現所述目的，本發明基于多實例馬爾科夫模型行為識別方法包含以下步驟：

步驟S1，建立訓練集，所述訓練集包含某個動作A的正樣本和負樣本視頻；對訓練集中的每個視頻提取其局部時空興趣點；對提取得到的時空興趣點進行第一次聚類，得到這些時空興趣點對應于第一聚類中心的類別；

步驟S2，對于所述訓練集中的每個原始視頻，分別提取其局部視頻塊及基于所述步驟S1得到的聚類中心的類別，得到用于表示局部視頻塊的直方圖特征向量，基于所述局部視頻塊得到相應原始視頻的馬爾科夫鏈集合B；

步驟S3，對所述步驟S2得到的用于表示局部視頻塊的直方圖特征向量進行第二次聚類得到相應局部視頻塊狀態變量的初始值，以及這些局部視頻塊對應于第二聚類中心的類別，并將這些類別作為這些局部視頻塊的初始狀態；

步驟S4，將所述局部視頻塊的直方圖特征向量按照狀態變量的不同拼接得到用于描述所述局部視頻塊所屬馬爾科夫鏈的特征向量；

步驟S5，構建一分類器，并得到相應馬爾科夫鏈的權重；

步驟S6，根據所述步驟S5得到的相應馬爾科夫鏈的權重w，更新馬爾科夫鏈上所有局部視頻塊的狀態變量，直到所述狀態變量不再變化，或者達到設置的循環次數；

步驟S7，對于待測試視頻，與所述步驟S2類似，通過隨機采樣的方式，得到多個馬爾科夫鏈；

步驟S8，與所述步驟S6類似，得到這些馬爾科夫鏈的狀態變量；

步驟S9，與所述步驟S4類似得到相應馬爾科夫鏈的特征向量；

步驟S10，利用所述步驟S5得到的分類器對所述步驟S9得到的特征向量計算得分，如果該分數大于某個預定閾值則判斷該待測試視頻屬于訓練集中定義的行為A，否則不屬于該種行為。

本發明的有益效果：通過多實例馬爾科夫模型，達到復雜場景下行為識別的目的；通過多實例馬爾科夫模型可以減少對視頻的標注。

附圖說明

圖1是本發明提出的基于多實例馬爾科夫模型的行為識別方法流程圖；

圖2是本發明方法在KTH數據庫上學習得到的狀態轉移示意圖；

圖3是本發明方法在KTH數據庫上的識別結果示意圖。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚明白，以下結合具體實施例，并參照附圖，對本發明進一步詳細說明。

圖1是本發明提出的基于多實例馬爾科夫模型的行為識別方法流程圖，如圖1所示，所述基于多實例馬爾科夫模型的行為識別方法包括以下步驟：

步驟S1，建立訓練集，所述訓練集包含某個動作A的正樣本和負樣本視頻；對訓練集中的每個視頻提取其局部時空興趣點；對提取得到的時空興趣點進行第一次聚類，得到這些時空興趣點對應于第一聚類中心的類別；

比如對提取得到的時空興趣點進行聚類可以得到2400個類別；

步驟S2，對于所述訓練集中的每個原始視頻，分別提取其局部視頻塊及基于所述步驟S1得到的聚類中心的類別，得到用于表示局部視頻塊的直方圖特征向量，基于所述局部視頻塊得到相應原始視頻的馬爾科夫鏈集合B；

所述步驟S2進一步包括以下步驟：