基于时空兴趣点和主题模型的动作识别

胡 斐 罗立民 刘 佳 左 欣

(1东南大学计算机科学与工程学院，南京 210096)

(2武警江西省总队司令部，南昌 330025)

(3上海交通大学图像处理与模式识别研究所，上海 200240)

人体动作识别在智能视频监控、视频注解、虚拟现实、人机交互等领域中具有广阔的应用前景，已经成为计算机视觉和模式识别领域的研究热点［1-3］.目前，基于视觉的人体行为分析可分为2个层次的任务:①底层的特征提取和表示;②高层的行为识别和建模.从图像序列中提取出能够合理表示人体运动的特征，对行为识别和理解至关重要.

传统的动作表示方法，如基于边缘或形状的静态特征、基于光流或运动信息的动态特征以及基于时空体等方法，其准确性往往受到跟踪和姿态估计精度的影响，在运动物体较多或背景比较复杂的场景下，该类特征的鲁棒性面临挑战.最近，很多研究者提出了一些新的基于时空兴趣点(角点)的动作表示方法.文献［1］将Harris角点检测思想扩展到时空域，得到一种时空兴趣点(space-time interest point)的检测方法并用兴趣点构成的点集来表示动作.文献［2］提出一种基于 Gabor滤波器的时空兴趣点检测算法.这些算法克服了跟踪以及姿态估计精度的影响，能有效地反映出动作的运动信息以及外观信息.同时，概率主题模型近年来在计算机视觉领域得到了广泛应用，该模型源自文本处理领域，也可以应用于图像以及其他多维数据的识别、分类和挖掘等.文献［3］提出利用时空兴趣点以及概率……