一种基于动作子空间与权重化行为识别模型的行为识别方法技术

本发明专利技术公开了一种基于动作子空间与权重化行为识别模型的行为识别方法，包括以下步骤：A1，输入待测试的行为视频序列，利用动态背景检测方法或静态背景检测方法来检测背景图像，利用减背景方法来获取前景图像；A2，提取运动目标的轮廓并对轮廓特征进行相应表示；A3，利用KPCA算法在核引导子空间中对高维特征实现非线性降维，在低维空间中进行行为轨迹的映射；A4，利用行为识别模型即WCRF模型进行行为识别。实验结果表明，提出的框架不仅能够准确地识别随时间、区域内外人员变化的人类行为，而且对噪声和其它影响因素鲁棒性强。

【技术实现步骤摘要】

本专利技术涉及的是。
技术介绍
人类行为识别有着广泛的应用前景，如视频监控和监测、对象视频摘要、智能接口、人机交互、体育视频分析、视频检索等。吸引了越来越多计算机视觉研究者的关注。通常，行为识别涉及两个重要问题。其一是如何从原始视频数据中提取有用的运动信息，其二是如何建立运动参考模型，使训练和识别方法能有效地处理空间和时间尺度变化的类内类似行为。行为识别可以利用各种线索，例如，关键姿势、光流、局部描述符、运动轨迹或特征跟踪、轮廓等。但是使用关键帧缺乏运动信息。根据光流或兴趣点的行为识别在平滑的表面，运动奇异性和低质量的视频情况下是不可靠的。由于人体外表和关节出现大的变化，特征跟踪也并非容易实现。由于人类行为是一种时空行为，时空模型(如Hidden Markov Models, HMMs及其变种)已被广泛用于人体动作建模。然而，该生成模型通常使用了强烈的独立性假设，这使得它很难适应多种复杂的特征或观测中的远距离依赖关系。由Lafferty提出的条件随机场模型(CRFs)避免观察之间的独立性假设，同时将复杂的特征和远距离依赖关系融合进模型中。参考文献S. Wang,Q. Ariadna本文档来自技高网...

【技术保护点】
一种基于动作子空间与权重化行为识别模型的行为识别方法，其特征在于，包括以下步骤：A1，输入待测试的行为视频序列，利用动态背景检测方法或静态背景检测方法来检测背景图像，利用减背景方法来获取前景图像；A2，提取运动目标的轮廓并对轮廓特征进行相应表示；A3，利用KPCA算法在核引导子空间中对高维特征实现非线性降维，在低维空间中进行行为轨迹的映射；A4，利用行为识别模型即WCRF模型进行行为识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：王智文，刘美珍，夏冬雪，蔡启先，李绍滋，唐新来，罗功坤，阳树洪，廖志高，
申请(专利权)人：广西工学院，王智文，
类型：发明
国别省市：