基于时空深度特征的人体行为识别算法

刘雨娇，范 勇，高 琳，酉 霞

(西南科技大学计算机科学与技术学院，四川绵阳621010)

1 概述

行为识别的主要任务是利用计算机对包含行人的图像序列进行分析，从而识别人体行为，其应用主要包括智能视频监控、视频检索、人机交互和智能家居等方面。

目前，行为识别研究主要集中于对RGB视频序列进行分析理解。算法包括非参数方法、基于时空立方体方法、参数化时间序列分析法［1］3种方法。在视频序列中不仅单幅图像存在空间结构关系，帧与帧之间也存在时间顺序，因此，基于时空立方体的方法受到学者广泛的关注。全局时空特征主要以时空模板［2］、3D 时空体［3-4］为主。局部时空特征主要以检测时空兴趣点为主。基于局部时空兴趣点的动作表示和识别的方法，首先从图像序列中提取能够代表行为的时空兴趣点，再使用特征描述子对运动进行表征，最后建立行为分类器进行识别。文献［5］将Harris角点检测中加入时空信息。为了得到更加稠密的兴趣点，文献［6］提出通过构造一系列的1D Gabor滤波器对图像序列进行Gaussian卷积，从而检测局部最大的Cuboids特征进行兴趣点的提取。文献［7］提出使用Hessian 3D检测兴趣点，并且扩展SURF描述子，更加有效地检测复杂的时空兴趣点。文献［8］在综述了相关局部时空特征后，提出利用稠密网格取样的方式在现有的基于局部时空特征的行为识别算法中识别率最高。

然而，现有的通过检测局部时空兴趣点和稠密网格取样的方式提取时空特征都有一定局限性。……