基于深度序列的人體行為識(shí)別研究.pdf

1、自上世紀(jì)80年代以來(lái)，計(jì)算機(jī)視覺(jué)領(lǐng)域中的人體行為識(shí)別引起研究者的廣泛關(guān)注。在當(dāng)前的各種行為識(shí)別方法中，較大部分通過(guò)使用傳統(tǒng)相機(jī)來(lái)解決這一問(wèn)題。過(guò)去十年見(jiàn)證了3D數(shù)據(jù)獲取技術(shù)的快速發(fā)展，尤其是微軟推出 Kinect以后，深度圖像開(kāi)始得到了廣泛的應(yīng)用。使用深度序列進(jìn)行人體行為識(shí)別能夠克服圖像對(duì)光照變化，遮擋，環(huán)境變化等因素造成的影響。因此，本文主要研究基于深度序列的人體行為識(shí)別，對(duì)深度行為特征的提取進(jìn)行了深入的研究。
　　本研究主要內(nèi)

2、容包括：⑴針對(duì)傳統(tǒng)行為識(shí)別精度不高的問(wèn)題，采用深度圖像序列與RGB圖像序列結(jié)合的方法，并將在深度圖像上提取的HOGD特征與可見(jiàn)光圖像上提取的LBP特征進(jìn)行融合從而得到HOGD-LBP特征，此融合特征克服HOG特征只提取人體幾何邊緣信息而忽略平坦表面的問(wèn)題。實(shí)驗(yàn)證明此融合特征比單一特征有更高的識(shí)別精度和更好的穩(wěn)定性。⑵針對(duì)深度視頻序列的人體行為識(shí)別精度不高的問(wèn)題，采用在深度視頻序列上提取一種新的時(shí)空局部法向量特征（STLN）對(duì)行為進(jìn)行描述

3、，STLN特征描述符采用4D空間法向量直方圖捕獲人體運(yùn)動(dòng)和幾何信息。本文使用多邊體對(duì)4D空間進(jìn)行量化。實(shí)驗(yàn)證明此STLN描述符能夠取得較好的識(shí)別效果。⑶針對(duì)特征袋（BoF）編碼不能較好的描述特征空間布局信息，無(wú)法定位行為對(duì)象或抓取行為形態(tài)，從而導(dǎo)致識(shí)別精度低的問(wèn)題，采用局部約束編碼方法代替特征袋編碼。此方法使用局部約束線性編碼（LLC）標(biāo)準(zhǔn)代替特征袋編碼來(lái)訓(xùn)練碼本。LLC使用局部約束代替稀疏約束，從而可以得到局部光滑稀疏，解決大量計(jì)算時(shí)