概率隐含语义分析模型在行为识别中的编码与归一化方法研究

徐勤军 周同驰 周 琳 吴镇扬

(1. 东南大学信息科学与工程学院，江苏南京 210096； 2. 闽南师范大学物理与信息工程学院, 福建漳州 363000；3. 中原工学院电子信息学院，河南郑州 451191)

1 引言

在过去十多年里，视频中的行为识别研究由于应用广泛得到了越来越多的关注。文献[1-2]对近年来的行为识别研究取得的进展做了总结，目前对于简单场景下的单人行为识别问题已经基本解决，但仍然存在着许多开放课题，譬如复杂场景下的行为识别、交互行为的识别以及群体行为等亟待进一步研究[3-5]。

自Sivic等[6]将文本分析中的单词包模型(Bag of words)引入到目标识别的研究中以后，在计算机视觉领域得到了广泛的应用。单词包模型虽然简单，但在目标识别、跟踪以及行为识别和探测方面均取得了较好的性能。当然，其缺陷是很明显的，由于忽视了视觉单词间的空间和时间关系，该模型的判别力相应受到影响。另一方面，由于普遍采用矢量量化，造成了量化损失，这不可避免地影响到视觉单词的判别性。

近来，源自文本分析的主题模型被引入到计算机视觉的研究中，Li等[7]首先将概率隐含语义分析模型(pLSA: probabilistic latent semantic analysis)以及隐含狄利克雷指派模型(LDA: latent Dirichlet allocation)引入到静态图像的场景理解中，在此基础上Niebles等[8]在视频的行为识别中应用pLSA模型取得了较好的性能。在此之后，有许多研究者致力于改进主题模型，以提升分类精度。Shang等[9]扩展了LDA模型以建模人脸表情的动态模型。文献[10]采用动态主题模型以挖掘视频中的行为模式。……