基于多描述子特征编码的人体行为识别

宋相法，姚 旭

(河南大学 计算机与信息工程学院，河南 开封 475004)

0 引 言

人体行为识别在人机交互、视频监控、机器人视觉以及体感游戏等领域有着广泛的应用[1-6]。过去，研究人员主要利用图像和视频研究行为识别问题；如今，研究人员开始利用微软Kinect传感器捕获的三维人体骨架序列研究行为识别问题。

人体是链式结构的，行为可由三维人体骨架关节点表示。例如，文献[7]提出了基于三维人体骨架关节点子集和多核学习的行为识别方法；文献[8]提出了基于运动姿态描述子和KNN算法的三维人体骨架序列行为识别方法；文献[9]提出了基于离群流形的三维人体骨架序列行为识别方法；文献[10]提出了基于联合学习身体部件行为特征和分类器的三维人体骨架序列行为识别方法；文献[11]提出了基于分层姿态特征的三维人体骨架序列行为识别方法；文献[12]提出了基于角度描述子协方差特征的三维人体骨架序列行为识别方法；文献[13]提出了一种基于改进的动态时间规整算法的三维人体骨架序列行为识别方法。

在上述研究的基础上，为提高三维人体骨架序列行为识别精度，文中提出了一种基于多描述子特征编码的行为识别方法。该方法利用集成学习的思想，尽可能利用三维人体骨架序列的多个描述子特征编码方法构造不同的基分类器，通过对这些基分类器的结果进行集成来决定最终识别结果。

文中方法为充分利用三维人体骨架序列不同区分能力的描述子，弥补单一描述子提取时存在信息量不足的缺点，结合运动姿态描述子[8]和角度描述子[14]来构造描述子集；……