【技术实现步骤摘要】
本专利技术属于智能视觉监控和机器学习
,涉及。
技术介绍
利用图像信息的视频分析系统越来越多的被应用于各个领域,如视频监控、视频检索、医疗诊断、运动视频分析及基于感知的闻级人机接口等。但是目前,在基于视频监控及分析的诸多研究领域中,大多数的研究都是从单尺度上研究人体运动,现实中,人的运动同时包含着多个尺度的运动细节,如果同一时刻人体运动存在着多种动作模式时,其识别率较低,难以达到识别技术要求。因此,不同尺度上的运动特征在运动分析中具有不同的角色,恰当地将不同尺度上的动作特征结合起来对解决人体运动问题有重要意义。
技术实现思路
本专利技术的目的是提供,解决了现有技术在同一时刻存在着多种动作模式时,识别率较低的问题。本专利技术所采用的技术方案是,,该方法按照以下步骤实施步骤I、多尺度特征描述通过大、中、小三个尺度特征提取方法提取人体运动的多尺度特征;步骤2、建立多尺度条件随机场模型多尺度条件随机场模型的结构包含三层结构,分别对应着大、中、小三个尺度及各尺度间的关系,设X1, t、X2, t及X3, t分别表示t时刻提取到的不同尺度上的特征值,yi, t、y2, t 及y3,t分别为对应的状态变量值,{fk, gj分别表示给定的一个尺度内的状态转移特征函数和观察特征函数,{hk,pk,qj则表示两个尺度之间的状态转移特征函数和观察特征函数;步骤3、建立多尺度条件随机场模型的表达式设X= (X1, X2, X3I为提取出来的特征数据,其中X1 = (XnXu2,…,Xut,…,xUT}、X2 — {x2,1, Χ2,2 …,X2,t,…,Χ2,τ}、Χ3 — ...
【技术保护点】
一种多尺度条件随机场模型的动作识别方法,其特征在于,该方法按照以下步骤实施:步骤1、多尺度特征描述通过大、中、小三个尺度特征,进行提取人体运动的多尺度特征;步骤2、建立多尺度条件随机场模型多尺度条件随机场模型的结构包含三层结构,分别对应着大、中、小三个尺度及各尺度间的关系,设x1,t、x2,t及x3,t分别表示t时刻提取到的不同尺度上的特征值,y1,t、y2,t及y3,t分别为对应的状态变量值,{fk,gk}分别表示给定的一个尺度内的状态转移特征函数和观察特征函数,{hk,pk,qk}则表示两个尺度之间的状态转移特征函数和观察特征函数;步骤3、建立多尺度条件随机场模型的表达式设X={X1,X2,X3}为提取出来的特征数据,其中X1={x1,1,x1,2,…,x1,t,…,x1,T}、X2={x2,1,x2,2,…,x2,t,…,x2,T}、X3={x3,1,x3,2,…,x3,t,…,x3,T}分别表示大尺度、中尺度和小尺度上的特征数据;另外,Y={Y1,Y2,Y3}表示三个尺度上对应的标记序列,其中的Y1={y1,1,...,y1,T}、Y2={y2,1,...,y2,T}、Y3={ ...
【技术特征摘要】
1.一种多尺度条件随机场模型的动作识别方法,其特征在于,该方法按照以下步骤实施 步骤I、多尺度特征描述 通过大、中、小三个尺度特征,进行提取人体运动的多尺度特征; 步骤2、建立多尺度条件随机场模型 多尺度条件随机场模型的结构包含三层结构,分别对应着大、中、小三个尺度及各尺度间的关系,设xi,t、x2,t及X3,t分别表示t时刻提取到的不同尺度上的特征值,yi,t、y2,t及y3,t分别为对应的状态变量值,{fk,gk}分别表示给定的一个尺度内的状态转移特征函数和观察特征函数,{hk,pk,qj则表示两个尺度之间的状态转移特征函数和观察特征函数; 步骤3、建立多尺度条件随机场模型的表达式设 X= (X1, X2, X3I 为提取出来的特征数据,其中 X1 = {xia, Xlj2, ···, Xljt, ···, Χι,χ} >x2 = Χ2,1 Χ2, 2,···,Χ2, t,…,Χ2, τ}、父3 — Χ3,1) Χ3,2,…,Χ3, t,…,Χ3, 分力 ll 表不大尺度、中尺度和小尺度上的特征数据;另外,Y ...
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。