【技术实现步骤摘要】
本专利技术涉及计算机视觉领域,特别涉及一种基于贝叶斯模型的视觉人体行为识别方法。
技术介绍
视觉人体行为识别是计算机视觉领域中一个重要的研究问题,它在智能监控、高级人机交互、电影动画制作等场合都具有巨大的应用价值。通常视觉人体行为识别方法主要包括两个步骤:(1)将视频中的人体行为信息表达为向量或图等形式,得到视觉人体行为的表达;(2)利用得到的表达输入相关的分类方法,如支持向量机等,完成分类与识别。在目前关于视觉人体行为分析的诸多研究工作中,多数方法是将这两个步骤分别独立完成,即按照先后顺序分步独立进行。这样的方法由于将表示与识别分别独立进行,因此既无法保证所得到的表达可以最优的适用于后一步骤中所设计的识别方法,也无法保证所选择的识别方法可以最佳的利用前一步骤中所得到的表达。另一方面,贝叶斯类模型由于直接对数据之间的关系进行建模,从统计的角度表示出数据的分布情况,可以克服传统词包模型无法表达特征的潜在语义的不足,往往可以学习出关于数据的本质特征,因而在视觉人体行为分析领域中也得到了广泛应用。但目前的多数贝叶斯类方法纯粹从产生式模型的角度出发,忽略了对判别性信息的利用。同时,目前在人体行为分析任务中,多是采用基于最大间隔准则的判别性方法,如支持向量机类方法,来实现分类与识别。该方法由于直接以衡量分类性能优劣的分类损失为优化目标,因此在包括许多行为分析的识别任务中都取得了较好的识别效果。另外,该类识别方法直接通过优化问题的求解来达到最终最优化分类性能的目的,实现方法成熟,因此得到了广泛应用。当前的这些行为识别方法通常只侧重于表示或识别的某一个环节,而无法形成 ...
【技术保护点】
一种基于贝叶斯模型的视觉人体行为识别方法,该方法包括以下步骤:步骤1:提取训练视频中的特征,形成对所述训练视频中人体行为的底层表达;步骤2:从所述特征出发,构建分层贝叶斯模型,以提取所述训练视频中不同尺度下的人体行为模式,得到基于高层语义信息的人体行为表达;步骤3:嵌入最大间隔机制,实现判别式的分层贝叶斯模型的学习;步骤4:学习所述判别式的分层贝叶斯模型的参数,以确定所述参数。
【技术特征摘要】
1.一种基于贝叶斯模型的视觉人体行为识别方法,该方法包括以下步骤:步骤1:提取训练视频中的特征,形成对所述训练视频中人体行为的底层表达;步骤2:从所述特征出发,构建分层贝叶斯模型,以提取所述训练视频中不同尺度下的人体行为模式,得到基于高层语义信息的人体行为表达;步骤3:嵌入最大间隔机制,实现判别式的分层贝叶斯模型的学习;步骤4:学习所述判别式的分层贝叶斯模型的参数,以确定所述参数。2.根据权利要求1所述的方法,其特征在于,所述步骤1包括:步骤1a:以所述训练视频中像素点的像素值变化为基...
【专利技术属性】
技术研发人员:胡卫明,杨双,原春锋,
申请(专利权)人:中国科学院自动化研究所,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。