【技术实现步骤摘要】
基于时间依赖约束下深度非负矩阵分解的行为识别方法
本专利技术属于图像处理
,涉及一种人体行为识别方法,可用于智能视频监控和人机交互。
技术介绍
人体行为识别技术具有广泛的应用前景和非常可观的经济价值,涉及的应用领域主要包括:视频监控、运动分析、虚拟现实等。科研人员已经对人体行为识别的相关技术开展了大量深入的研究,积累了丰富的研究成果,但就整体而言,人体行为识别这一研究领域目前仍处于基础研究阶段,还存在许多关键问题和技术难点亟待解决,例如研究具有高识别率、高鲁棒性,较为简洁的行为表征方式。一些学者发现视频的空时信息有助于提高行为的识别率,如何有效的从视频数据中获取空时信息就成为行为识别领域的研究重点。(1)LuoJ,WangW,QiH.Spatio-temporalfeatureextractionandrepresentationforRGB-Dhumanactionrecognition.PatternRecognitionLetters,2014,50(C):139–148。这种方法提出了一种中心对称局部运动三元模式(CS-Mltp)用来描述在时间和空间上的梯度特征,该方法提取的特征能够保持良好的空间、时间信息,并且近似误差降低,但对于有噪声的视频,在提取特征过程中将产生更多的噪声点,严重影响视频特征提取的准确度。(2)BenAounN,MejdoubM,BenAmarC.Graph-basedapproachforhumanactionrecognitionusingspatio-temporalfeatures.JournalofVisual ...
【技术保护点】
基于时间依赖约束下深度非负矩阵分解的行为识别方法,包括如下步骤:(1)对于原始视频O,提取每帧的运动显著性区域,构成视频运动显著性区域V={v1,v2,…,vi,…,vZ},其中,vi表示第i帧的运动显著性区域,i=1,2,…,Z,Z表示视频的帧数;(2)将视频运动显著性区域V的每s帧划分为一段,并遍历转化为非负矩阵集合X={X1,X2,…,Xq,…,XNs},其中,Xq表示第q段显著性区域构成的非负矩阵,q=1,2,…,Ns,Ns表示一个视频分段的段数;(3)添加时间依赖约束,构造时间依赖约束非负矩阵分解的目标函数D:
【技术特征摘要】
1.基于时间依赖约束下深度非负矩阵分解的行为识别方法,包括如下步骤:(1)对于原始视频O,提取每帧的运动显著性区域,构成视频运动显著性区域V={v1,v2,…,vi,…,vZ},其中,vi表示第i帧的运动显著性区域,i=1,2,…,Z,Z表示视频的帧数;(2)将视频运动显著性区域V的每s帧划分为一段,并遍历转化为非负矩阵集合X={X1,X2,…,Xq,…,XNs},其中,Xq表示第q段显著性区域构成的非负矩阵,q=1,2,…,Ns,Ns表示一个视频分段的段数;(3)添加时间依赖约束,构造时间依赖约束非负矩阵分解的目标函数D:其中,G为非负矩阵,F为基矩阵,H为系数矩阵,λ和η分别为时间依赖项和稀疏项调节参数,wu是对应于间隔帧数集合U中任意元素u的权值列向量,u∈U,因此,对于应间隔帧数集合U,会构成一个权值矩阵W=[w1,w2,...,wu,...,wg],权值可以按行通过向量自回归方法计算,g表示最大间隔帧数,g=max(U),diag(wu)是将权值列向量对角化为一个对角矩阵,(·)T表示向量或矩阵的转置,||·||2,1表示L2,1范数,Pu=Pg-Pu∈Rn×(n-g-1),Pg为水平偏移矩阵算子,Pu为水平偏移矩阵算子,I(n-g-1)×(n-g-1)为(n-g-1)×(n-g-1)的单位阵,0(g+1)×(n-g-1)为(g+1)×(n-g-1)的全0矩阵;(4)利用时间依赖约束非负矩阵分解构造深度为L的时间依赖约束下深度非负矩阵分解框架,并利用该框架对第q个视频片段的非负矩阵Xq进行分解,得到L个系数矩阵H(l),l=1,2,…,L,其中,l为分解层数索引;(5)对系数矩阵H(l)按行进行归一化并将归一化后的行串接,得到整个输入数据的空时特征输出rl为第l层非负矩阵分解维数,表示第l层系数矩阵的第k行;(6)对非负矩阵集合X的非负矩阵逐个分解,即对于每个非负矩阵均采用步骤(4)-步骤(5)的操作,得到整个视频的空时特征输出:其中Featq为第q个视频片段空时特征,(·)T表示向量或矩阵的转置,q=1,2,…,Ns;(7)按照步骤(4)-步骤(6)的过程对所有样本视频进行空时特征提取,并划分为训练集Dtr和测试集Dte,使用词袋模型获得训练集Dtr的直方图向量Ntr和测试集Dte的直方图向量Nte;(8)使用训练集的直方图向量Ntr训练SVM分类器,将测试集的直方图向量Nte输入到训练好的SVM中,输出测试集Dte对应的测试样本所属的行为类别。2.根据权利要求1所述的方法,其中步骤(1)中提取视频运动显著性区域,按如下步骤进行:(1a)构造大小为5×5的高斯滤波器,并对视频O={o1,o2,…,oi,…,oZ}进行滤波,对应得到滤波后的视频B={b1,b2,…,bi,...
【专利技术属性】
技术研发人员:同鸣,汪雷,李海龙,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
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。