基于模糊神经网络和图模型推理的动作识别

赵一丹，肖秦琨，高 嵩

(西安工业大学 电子信息工程学院，陕西 西安 710021)

0 引 言

近年来，人体动作识别研究已经成为计算机视觉领域的核心问题。由于人体动作识别在空间上的复杂性和时间上的差异性，使其在识别研究领域并没有统一有效的研究框架，所以人体动作识别仍然是一个非常具有挑战性的课题。

许多动作识别方法侧重于设计有效的描述符呈现运动特征或提取运动特征，然后通过特征匹配的方法将待识别动作进行分类[1-2]。以往的动作识别主要包含两类：特征表示和动作分类。根据文献[3]了解到，特征表示始终是动作识别过程中的关键任务。一般而言，运动序列特征的表示通常分为全局特征表示和局部特征表示。全局特征呈现总图像，但是，全局特征经常受到遮挡、视点变化和噪声的干扰。基于全局的特征表示包括基于光流的呈现[4]、基于剪影的描述符[5]、基于边缘的特征表示[6]和运动历史图像(MHI)[7]等。局部特征描述子可以更有效地呈现动作视频，尤其是处理噪声图像、部分遮挡等复杂的情况。

有研究人员利用许多常规方法对人体动作进行分类[1-2,8-9]。比如，文献[2]提出了一种SVM多类分类器，使用动态规划将运动序列分段。在文献[1]中，局部描述符被组合成用于动作识别的SVM。在文献[8]中，使用K-最近邻分类器来预测动作标签。然而，这些常规的识别方法难以及时捕获动态时空序列信息。

除了常规的分类器方法，还有条件随机场(CRF)[10]、隐马尔可夫模型(HMM)[11]、动态贝叶斯网络(DBN)[12]等基于图模型的多序列标注模型是识别动作的有效工具，适用于建模和分析人类行为。……