王小念,姚莉秀
人体动作识别是计算机视觉领域非常活跃的研究内容之一,在现实中有广泛的应用,如人机交互,视频检索以及行为分析等。对人体动作识别方法的改进通常包括两个部分:寻找最优的时空兴趣点检测器和最优的动作特征时空描述子。然而,寻找最优的时空兴趣点检测器和最优的动作特征时空描述子有相当大的困难。目前仍然没有通用的时空兴趣点检测器和时空描述子对所有数据库均行之有效。
在以往的动作框架中,词袋(bag-of-words,BOW)是经常采用的方法。但是词袋表示方法并不能准确刻画视觉特征的相似性,且产生词袋的聚类过程要耗费较多的时间。文献[1]采用最大似然估计对每段动作视频估计出相应的权重直方图,较好地解决了这些难题。近来利用人工定义的动作语义属性进行动作识别取得了比较好的结果。文献[2]由人工定义高层次动作语义属性,将低层次特征和高层次特征相融合,结合隐支持向量机求解动作识别分类器的最优解,获得了较为满意的识别效果。
本文提出了一种新的时空兴趣点检测器,该检测器通过不同方向的二维Gabor滤波器的联合作用,对遮挡,光照变化以及镜头缩放等具有较强的鲁棒性。基于检测出的时空兴趣点,在其时空领域内利用正多面体良好的几何对称性提取精细的时空梯度描述子,该描述子能够准确反映人体动作的视觉特征。随后随机抽取部分时空梯度描述子特征作为基准特征,对每段视频特征基于基准特征采用最大似然估计得到权重直方图。……