遞歸分析方法在視頻圖像數(shù)據(jù)關(guān)聯(lián)性挖掘算法中的應(yīng)用.pdf

1、在智能化迅速發(fā)展的今天，行為識別已經(jīng)得到了廣泛的關(guān)注，并且已經(jīng)成為計算機視覺領(lǐng)域研究的重要內(nèi)容之一，可以廣泛應(yīng)用于人機交互，視頻監(jiān)控，智能機器人的領(lǐng)域中。而視角無關(guān)的行為識別也越來越得到更多研究者的研究。本文針對5個視角下的視頻中的人類行為進行研究，采用IXMAS行為數(shù)據(jù)庫作為樣本庫，采用基于自相似度矩陣的遞歸圖分析法挖掘不同視角下視頻圖像數(shù)據(jù)的關(guān)聯(lián)性，并應(yīng)用在視角無關(guān)的行為識別中，取得了良好的識別效果。
　　人體行為的產(chǎn)生是一個

2、非常復(fù)雜的非線性過程，而混沌理論是分析非線性動力系統(tǒng)的常見方法。人們也已經(jīng)將混沌理論應(yīng)用到人體行為識別的研究當中，主要思想是在重構(gòu)的相空間中提取出代表人體行為的混沌不變量，組成描述人體行為的特征向量，證明了利用混沌理論進行行為識別的可行性。
　　遞歸圖分析法(RP）的提出為人們從非線性動力學的角度分析問題開辟了一條新的思路。它將一維的時間序列重構(gòu)到信息豐富的高維相空間，然后繪制出二維的遞歸圖，不但能夠體現(xiàn)出非線性系統(tǒng)所具有的混沌不

3、變特征，同時能夠讓人們在二維的圖像上觀察系統(tǒng)在高維相空間的狀態(tài)。這種傳統(tǒng)的方法利用黑點和白點組成的二維方陣來刻畫系統(tǒng)特征，紋理信息不夠豐富，且選取相空間重構(gòu)參數(shù)比較繁瑣，本文使用基于自相似度矩陣的遞歸圖分析法來挖掘不同視角下人體行為具有的關(guān)聯(lián)性，因為本文所使用的底層特征描述符是高維數(shù)據(jù)，包含豐富的系統(tǒng)信息，所以直接在原相空間內(nèi)利用自相似度矩陣構(gòu)建遞歸圖。且構(gòu)建過程中不進行二值化處理，與傳統(tǒng)的遞歸圖相比，這種方法則注重利用更加豐富的紋理信

4、息。
　　為了挖掘出同一行為不同視角下的視頻圖像數(shù)據(jù)的關(guān)聯(lián)性，本文以同一行為5個視角下的行為視頻段為樣本，采用Dollár方法提取時空特征點(STIPs)，然后在三維空間內(nèi)，借鑒SURF思想，結(jié)合時空特征點周圍的信息構(gòu)建其描述符。分別對5個視角下描述符以幀為單位計算自相似度矩陣，得到各個視角下的遞歸圖，展示出圖像數(shù)據(jù)的關(guān)聯(lián)性。為了進一步將這種關(guān)聯(lián)性刻畫出來，本文在遞歸圖上利用梯度方向分布向量建立視頻每一幀的遞歸特征描述符，得到遞歸

5、數(shù)據(jù)特征集合S。為了進一步挖掘集合S數(shù)據(jù)之間的關(guān)聯(lián)性，進而實現(xiàn)視角無關(guān)的行為識別，因此，對遞歸特征描述符集合S采用NERF C-Mean方法聚類產(chǎn)生M個關(guān)鍵詞，關(guān)鍵詞的個數(shù)取決于具體的行為，然后，建立每一個關(guān)鍵詞的高斯混合模型(GMM);最后，計算S中所有描述符在M個詞袋中的分布統(tǒng)計概率，構(gòu)成該行為的描述符向量，作為檢測模板。行為的識別過程是對測試視頻建立遞歸描述符，將其分配到對應(yīng)的關(guān)鍵詞詞袋中，統(tǒng)計出分布向量，計算它與模板的相似度距離