[發(fā)明專利]基于層次聚類的判別性部件挖掘行為識別方法

在審

• 申請?zhí)枺?/td>: 201711415783.X
• 申請日: 2017-12-25
• 公開（公告）號: CN108280465A
• 公開（公告）日: 2018-07-13
• 發(fā)明（設(shè)計）人: 同鳴;郭志強(qiáng);陳逸然;田偉娟
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

1.基于層次聚類的判別性部件挖掘行為識別方法，包括如下步驟：

(1)對所有行為視頻提取稠密軌跡，得到軌跡點的3D坐標(biāo)，并分別計算軌跡點的方向梯度直方圖HOG和光流方向直方圖HOF，串接作為該軌跡的底層特征；

(2)基于稠密軌跡，計算軌跡間的空間距離和形狀距離；

(3)采用步驟(2)獲得的空間距離和形狀距離作為相似性度量，進(jìn)行層次聚類，獲取軌跡聚類簇；

(4)將軌跡聚類簇的簇內(nèi)信息熵作為聚類的有效性度量指標(biāo)Eval，通過迭代循環(huán)，選取Eval最小值對應(yīng)的聚類簇作為最優(yōu)的層次聚類結(jié)果，即候選行為部件；

(5)采用判別式約束對候選行為部件進(jìn)行進(jìn)一步篩選和抽象：

5a)剔除候選行為部件中的離散軌跡；

5b)計算經(jīng)5a)剔除后的候選行為部件的類內(nèi)觸發(fā)頻度

其中，表示為第i類行為的第j個候選行為部件經(jīng)5a)剔除后的新候選行為部件，表示為第i類行為中所有行為視頻隸屬于的平均判分，V_i表示第i類行為的任一行為視頻，N_i表示第i類行為的視頻個數(shù)，i＝1,2,...,M，M表示行為類別總數(shù)目；

5c)對新候選行為部件的類內(nèi)觸發(fā)頻度進(jìn)行歸一化，得到歸一化后的類內(nèi)觸發(fā)頻度并計算新候選行為部件判別性度量指標(biāo)

其中，

5d)設(shè)置新候選行為部件判別性度量指標(biāo)的閾值為T_Dis，篩選判別性行為部件：

若則將新候選行為部件篩選為判別性行為部件，并將該判別性行為部件作為行為視頻的表示，進(jìn)行行為視頻識別；

否則，剔除該新候選行為部件，并將該新候選行為部件的相關(guān)軌跡置入軌跡緩沖區(qū)，返回步驟(2)。

2.根據(jù)權(quán)利要求1所述的方法，其中步驟(1)中“對所有行為視頻提取稠密軌跡”，按如下步驟進(jìn)行：

1a)對行為視頻八個尺度空間使用密集網(wǎng)格進(jìn)行采樣，每兩個尺度空間之間的縮放因子為采樣間隔為5個像素；

1b)在光流場中跟蹤稠密采樣點并形成稠密軌跡。

3.根據(jù)權(quán)利要求1所述的方法，其中步驟(1)中“計算軌跡點的HOG和HOF特征”，按如下步驟進(jìn)行：

1c)以軌跡為中心，在軌跡周圍提取一個大小為32×32像素，長度為15幀的立方體；

1d)在軌跡立方體塊內(nèi)提取HOG和HOF特征并進(jìn)行串接，作為該軌跡的底層特征。

4.根據(jù)權(quán)利要求1所述的方法，其中步驟(2)中“基于稠密軌跡，計算軌跡間的空間距離和形狀距離”，按如下步驟進(jìn)行：

利用步驟(1)中獲得的軌跡點3D坐標(biāo)，計算底層軌跡間的歐氏距離d_qr：

d_qr＝d_sp(t)+d_app(t),t∈o(T_q,T_r)，

其中，d_sp(t)表示為空間距離，d_app(t)表示為形狀距離，o(T_q,T_r)表示底層軌跡T_q和T_r的時域重疊區(qū)間。

5.根據(jù)權(quán)利要求1所述的方法，其中步驟(3)中“采用步驟(2)獲得的空間距離和形狀距離作為相似性度量，進(jìn)行層次聚類，獲取軌跡聚類簇”，按如下步驟進(jìn)行：

3a)將步驟(1)獲得的稠密軌跡作為層次聚類的輸入，將每一條稠密軌跡作為一個聚類簇，采用自底向上的凝聚策略，反復(fù)聚合數(shù)據(jù)，形成一個分層的嵌套聚類；

3b)計算每兩個簇內(nèi)所有軌跡間的空間距離和形狀距離，作為相似性度量，進(jìn)行層次聚類，對相似性最大的2個聚類簇進(jìn)行合并，得到新的聚類簇；

3c)統(tǒng)計新的聚類簇個數(shù)，當(dāng)個數(shù)達(dá)到預(yù)先設(shè)置的閾值時，停止循環(huán)，并輸出各個聚類簇數(shù)目對應(yīng)的軌跡聚類簇，否則，返回步驟3b)。