The invention discloses a discriminative component mining behavior recognition method based on hierarchical clustering, which mainly solves the problem of insufficient discriminability and low recognition rate of existing behavioral components. The scheme is as follows: 1. extract dense trajectories of behavior video and obtain the underlying characteristics of the trajectory; 2. calculate the spatial distance and shape distance of the trajectory points as the similarity measure of hierarchical clustering; 3. hierarchical clustering of dense trajectories, the degree of cohesion within the cluster as a clustering validity index, in order to automatically determine the optimal cluster number. The corresponding clustering cluster is used as a candidate component; 4. discriminant constraints are added to the candidate components to evaluate the candidate components, and to further screen out discriminative components for behavior recognition. The discriminating feature obtained by the invention has strong discriminating power, improves the accuracy of the behavior recognition, and can be used for monitoring the security system.
【技术实现步骤摘要】
基于层次聚类的判别性部件挖掘行为识别方法
本专利技术属于计算机视觉模式识别和视频图像处理方法,特别涉及视频中的人体行为识别方法,可用于监控安防系统。
技术介绍
近年来,面对海量涌现的数据,如何自动获取并分析其中包含的内容成为一个亟待解决的问题。基于机器学习和计算机视觉的人体行为识别技术发展迅速,对视频数据进行处理和分析,学习并理解其中人体的动作和行为具有重要的学术价值、潜在的商业价值和巨大的应用前景。随着行为识别的进一步研究和探索,大量关于底层新特征优化的方法相继被提出,后来研究者们发现,底层特征只能用于表示视频中行为的底层视觉信息,而较大的行为类内变化,以及复杂背景等使得底层特征对视频中行为的表示能力和判别能力受到较大程度的限制,因此,研究者们开始转向挖掘更高层的新语义特征的研究,以实现对现有底层特征的优化和提炼。为了在底层特征中获取与行为类别更相关、更具有判别性的子行为信息,在局部特征的基础上,构建更具有全局信息的行为部件则显得越来越重要。目前已提出的部件构建方法主要有:(1)A.Ravichandran,C.Wang,M.Raptis,etal.Superfloxels:Amid-levelrepresentationforvideosequences[C].ECCV.SpringerBerlinHeidelberg,2012:131-140.文章为了增强部件的表示,提出了一种采用轨迹获取superfloxel,表示为一个聚类簇中具有代表性的轨迹,该轨迹的选取是通过确保提出的聚类方法是关于运动和遮挡边界来实现的。但该方法依赖于数据必须呈球形分布的假设 ...
【技术保护点】
1.基于层次聚类的判别性部件挖掘行为识别方法,包括如下步骤:(1)对所有行为视频提取稠密轨迹,得到轨迹点的3D坐标,并分别计算轨迹点的方向梯度直方图HOG和光流方向直方图HOF,串接作为该轨迹的底层特征;(2)基于稠密轨迹,计算轨迹间的空间距离和形状距离;(3)采用步骤(2)获得的空间距离和形状距离作为相似性度量,进行层次聚类,获取轨迹聚类簇;(4)将轨迹聚类簇的簇内信息熵作为聚类的有效性度量指标Eval,通过迭代循环,选取Eval最小值对应的聚类簇作为最优的层次聚类结果,即候选行为部件;(5)采用判别式约束对候选行为部件进行进一步筛选和抽象:5a)剔除候选行为部件中的离散轨迹;5b)计算经5a)剔除后的候选行为部件的类内触发频度
【技术特征摘要】
1.基于层次聚类的判别性部件挖掘行为识别方法,包括如下步骤:(1)对所有行为视频提取稠密轨迹,得到轨迹点的3D坐标,并分别计算轨迹点的方向梯度直方图HOG和光流方向直方图HOF,串接作为该轨迹的底层特征;(2)基于稠密轨迹,计算轨迹间的空间距离和形状距离;(3)采用步骤(2)获得的空间距离和形状距离作为相似性度量,进行层次聚类,获取轨迹聚类簇;(4)将轨迹聚类簇的簇内信息熵作为聚类的有效性度量指标Eval,通过迭代循环,选取Eval最小值对应的聚类簇作为最优的层次聚类结果,即候选行为部件;(5)采用判别式约束对候选行为部件进行进一步筛选和抽象:5a)剔除候选行为部件中的离散轨迹;5b)计算经5a)剔除后的候选行为部件的类内触发频度其中,表示为第i类行为的第j个候选行为部件经5a)剔除后的新候选行为部件,表示为第i类行为中所有行为视频隶属于的平均判分,Vi表示第i类行为的任一行为视频,Ni表示第i类行为的视频个数,i=1,2,...,M,M表示行为类别总数目;5c)对新候选行为部件的类内触发频度进行归一化,得到归一化后的类内触发频度并计算新候选行为部件判别性度量指标其中,5d)设置新候选行为部件判别性度量指标的阈值为TDis,筛选判别性行为部件:若则将新候选行为部件筛选为判别性行为部件,并将该判别性行为部件作为行为视频的表示,进行行为视频识别;否则,剔除该新候选行为部件,并将该新候选行为部件的相关轨迹置入轨迹缓冲区,返回步骤(2)。2.根据权利要求1所述的方法,其中步骤(1)中“对所有行为视频提取稠密轨迹”,按如下步骤进行:1a)对行为视频八个尺度空间使用密集网格进行采样,每两个尺度空间之间的缩放因子为采样间隔为5个像素;1b)在光流场中跟踪稠密采样点并形成稠密轨迹。3.根据权利要求1所述的方法,其中步骤(1)中“计算轨迹点的HOG和HOF特征”,按如下步骤进行:1c)以轨迹为中心,在轨迹周围提取一个大小为32×32像素,长度为15帧的立方体;1d)在轨...
【专利技术属性】
技术研发人员:同鸣,郭志强,陈逸然,田伟娟,
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。