[發明專利]基于多特征融合的行為識別方法

在審

• 申請號: 201310688324.4
• 申請日: 2013-12-12
• 公開（公告）號: CN104091169A
• 公開（公告）日: 2014-10-08
• 發明（設計）人: 徐向民;張源;王在炯;楊倩倩
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 蔡茂略

1.基于多特征融合的行為識別方法，其特征在于，包括下述步驟：?

S1、對訓練集和測試集的視頻進行預處理；?

S2、對步驟S1預處理后的視頻，檢測特征點；?

S3、對視頻中的特征立方體，提取代表不同信息的描述子，形成綜合描述子；?

S4、利用步驟S3提取出來的訓練集的描述子，使用K-SVD算法訓練字典；?

S5、對步驟S3提取出來測試集的描述子，進行特征融合，用級聯字典分類算法進行分類。?

2.根據權利要求1所述基于多特征融合的行為識別方法，其特征在于，步驟S1中對視頻進行預處理的具體方法為：?

S11、采用平滑濾波的方法降低噪聲的影響；?

S12、采用光照補償的方法保證圖像的對比度,補償光照的影響；?

S13、通過背景建模的方法實現提取運動前景，其中采用：a）多層混合背景模型融合彩色空間的顏色測量和局部的紋理特征對背景進行建模；b）利用交叉雙邊濾波器強化相似區域，更好地檢測結果和保留邊界信息。?

3.根據權利要求1所述基于多特征融合的行為識別方法，其特征在于，步驟S2中，采用Harris3D角點提取算法來檢測特征點，具體為：?

S21、使用初始空間尺度和時間尺度稀疏選定的組合，以及積分尺度和在時間和空間上找到時空角點函數H(8)的極大值點這些點就是興趣點；?

S22、對每個興趣點pj進行處理；?

S23、在(xj,yj,tj)處計算和在周邊那些和δ=-0.25,0,0.25的地方計算出聯合尺度

S24、選出那些使得最大化的聯合積分尺度

S25、如果或者用積分尺度局部尺度?在最靠近(x_j,y_j,t_j)的位置處重新提取興趣點?

令然后返回步驟S23重新開始執行。?

4.根據權利要求1所述基于多特征融合的行為識別方法，其特征在于，步驟S2中，采用Cuboid?Feature的角點檢測算法來檢測特征點，具體為：?

將視頻圖像的像素點序列記為I，根據響應函數?

R=(I*g*h_ev)²+(I*g*h_od)²，計算每個像素點序列的響應值R，計算得到一組?

響應值R，R的極大值點即為所求興趣點；?

其中其中w=4/π；?

其中g(x,y;σ)是2D高斯平滑濾波來提供空間興趣點的探測，h_ev和h_od是1DGabor濾波器的正交對。?

5.根據權利要求1所述的基于多特征融合的行為識別方法，其特征在于，步驟S3中，在時空興趣點周圍提取局部塊，計算其光流信息，根據光流的角度、強度計算其統計信息，得到光流的統計直方圖，作為運動特征描述子；所述運動特征描述子包括HOF，HOG3D和LMP描述子。?

6.根據權利要求5所述的基于多特征融合的行為識別方法，其特征在于，所述HOF提取算法的具體步驟如下：?

（1）對視頻每一幀計算光流，得到光流場；?

（2）對每一幀光流場進行直方圖統計，得到每幀的描述子；?

（3）對每幀的描述子向量求和，得到特征立方體的描述子。?

7.根據權利要求5所述的基于多特征融合的行為識別方法，其特征在于，所述hog3D描述子的計算方法如下：?

（1）利用sobel算子對圖像分別在兩個維度進行差分運算，得到矢量圖；?

（2）對矢量圖進行直方圖統計，得到每幀的描述子；?

（3）對每幀的描述子向量求和，得到特征立方體的描述子。?