基于视频时空特征稀疏编码表示的人体行为识别

发布时间：2022-01-04 17:27

　　视频中的人体行为识别主要是指对包含人体行为的视频文件或片段进行分类和标记，是近年来计算机视觉和模式识别领域一个非常热门的研究方向，在人机交互、智能监控、视频检索等领域有广泛的应用。在视频中的人体行为识别相关工作中，基于视频的局部时空特征的方法被深入地研究。而在图像特征编码领域，稀疏编码是一种被普遍应用的方法。本文针对基于视频时空特征和稀疏编码结合的视频表示在人体行为识别问题中的应用进行了研究。本文的主要研究工作和创新点如下：1.首先对视频时空兴趣点的检测算法和特征提取算法进行了回顾和比较，分析了各算法的优缺点、适合的应用场景，比较了各算法的性能表现。本文还对稀疏编码的原理和主要算法进行了介绍，并对各算法的特点和优劣进行了详细的探讨。2.针对目前一些基于时空特征的视频表示存在的对于目标行为多次重复的视频特征分布进行不恰当整体编码的问题，提出了一种基于视频时空特征聚类的视频子片段检测的方法，并结合聚类分析的方法自动地选择合适的视频子片段个数，从而使每个视频子片段包含目标行为的一次出现。3.提出了一种基于时空金字塔的匹配和最大汇总结合的方法来生成分割后的视频子片段的表示，并进一步将子片段的表... 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

–1Harris角点检测算法检测效果

s) 是原图 I(x) 与不同方向的二阶高斯微分函数的卷积。图2–2展示了 Harris-Laplacian 检测算法的检测效果。如图所示白色的圆圈代表的就是最初由多尺度的 Harris 检测算法的角点响应的比较检测到的同一平面上的极值所对应的角点的区域，而黑色的圆圈代表的就是进一步在尺度方向上比较 Laplacian 算子值以后得到的最终的角点所对应的区域。2.1.2 斑点检测算法斑点检测算法主要检测图片中的圆形或者类圆形的斑点区域。斑点检测算法不同于角点检测算法使用对二阶矩矩阵的计算结果来判断角点，而是通过对海森矩阵（Hessian matrix）的计算来检测兴趣点或者区域。— 12 —

对这样的检测算法有详细的描述。图2–3是一幅向日葵的花田的图片，图片中的斑点结构都由基于海森矩阵的斑点检测算法检测并标注了出来。可以很明显地发现，和兴趣点都集中在角点的角点检测算法不同，斑点检测算法检测到的兴趣点的区域往往近似包含了一个类似于斑点的区域。2.2 二维兴趣点的描述算法二维兴趣点被检测出来以后，就要对其周边的图片区域提取特征。二维兴趣点主要由两类参数来描述，一类是它们在图片中的位置信息，即坐标；另一— 13 —


本文编号：3568758