[發明專利]基于層次聚類的判別性部件挖掘行為識別方法

在審

• 申請號: 201711415783.X
• 申請日: 2017-12-25
• 公開（公告）號: CN108280465A
• 公開（公告）日: 2018-07-13
• 發明（設計）人: 同鳴;郭志強;陳逸然;田偉娟
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

本發明公開了基于層次聚類的判別性部件挖掘行為識別方法，主要解決現有行為部件判別性不足和識別率低的問題。其方案為：1.對行為視頻提取稠密軌跡，獲取軌跡的底層特征；2.計算軌跡點的空間距離和形狀距離，作為層次聚類的相似性度量；3.對稠密軌跡進行層次聚類，將簇內聚合度作為聚類有效性指標，以自動確定最優的聚類簇數目，并將對應的聚類簇作為候選部件；4.對候選部件添加判別式約束，實現候選部件的判別性評估，進一步篩選出判別性部件，以進行行為識別。本發明獲得的判別性部件特征具較強的鑒別力，提高了行為識別的準確率，可用于監控安防系統。

技術領域

本發明屬于計算機視覺模式識別和視頻圖像處理方法，特別涉及視頻中的人體行為識別方法，可用于監控安防系統。

背景技術

近年來，面對海量涌現的數據，如何自動獲取并分析其中包含的內容成為一個亟待解決的問題。基于機器學習和計算機視覺的人體行為識別技術發展迅速，對視頻數據進行處理和分析，學習并理解其中人體的動作和行為具有重要的學術價值、潛在的商業價值和巨大的應用前景。

隨著行為識別的進一步研究和探索，大量關于底層新特征優化的方法相繼被提出，后來研究者們發現，底層特征只能用于表示視頻中行為的底層視覺信息，而較大的行為類內變化，以及復雜背景等使得底層特征對視頻中行為的表示能力和判別能力受到較大程度的限制，因此，研究者們開始轉向挖掘更高層的新語義特征的研究，以實現對現有底層特征的優化和提煉。為了在底層特征中獲取與行為類別更相關、更具有判別性的子行為信息，在局部特征的基礎上，構建更具有全局信息的行為部件則顯得越來越重要。

目前已提出的部件構建方法主要有：

(1)A.Ravichandran,C.Wang,M.Raptis,et al.Superfloxels:A mid-levelrepresentation for video sequences[C].ECCV.Springer Berlin Heidelberg,2012:131-140.文章為了增強部件的表示，提出了一種采用軌跡獲取superfloxel，表示為一個聚類簇中具有代表性的軌跡，該軌跡的選取是通過確保提出的聚類方法是關于運動和遮擋邊界來實現的。但該方法依賴于數據必須呈球形分布的假設條件。

(2)Q.Zhao,H.I.Horace.Unsupervised approximate-semantic vocabularylearning for human action and video classification[J].Pattern RecognitionLetters,2013,vol.34,no.15,pp.1870-1878.文章提出了一種無監督的上下文譜聚類框架以獲取行為視頻的部件表示，語義相近的視覺單詞能夠被劃分在同一個聚類簇中，從而增強了聚類方法的精確度，但是該方法人體行為部件的判別力不足。

(3)J.Zhu,B.Wang,X.Yang,W.Zhang,Z.Tu.Action recognition withactons.In:IEEE International Conference on Computer Vision,2013,pp.3559-3566.文章提出了一個雙層結構的行為識別框架去自動利用部件“acton”表示，通過一個新的最大邊界多通道多示例學習框架學習，同時可以捕獲多個中層行為概念，然而該方法提取的中層語義存在語義物理意義不明確的問題，且中層語義的判別性不足。

發明內容

本發明目的在于針對上述已有技術的不足，提出一種基于層次聚類的判別性部件挖掘行為識別方法，以獲取具備較強鑒別力的行為部件，最終提高行為識別的準確率。

為實現上述目的，本發明的技術方案包括如下：