基于姿态时空特征的人体行为识别方法

被引：15

作者：

郑潇

彭晓东

王嘉璇

机构：

[1] 中国科学院国家空间科学中心复杂航天系统电子信息技术重点实验室

来源：

计算机辅助设计与图形学学报 | 2018年 / 30卷 / 09期

关键词：

行为识别; 姿态时空特征; Fisher向量; 加权融合;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了高效、准确地获取视频中的人体行为和运动信息,提出一种基于人体姿态的时空特征的行为识别方法.首先在获取视频中各帧图像的人体关节位置的基础上,提取关节信息描述姿态变化,具体包括在空间维度上提取每帧图像的关节位置关系、时间维度上计算关节空间关系的变化,二者共同构成姿态时空特征描述子;然后利用Fisher向量模型对不同类型的特征描述子分别进行编码,得到固定维度的Fisher向量;最后对不同类型的Fisher向量加权融合后进行分类.实验结果表明,该方法能够有效地识别视频中的人体复杂动作行为,提高行为识别率.

引用

页码：1615 / 1624

页数：10

共 6 条

[1] 基于复合时空特征的人体行为识别方法 [J].

秦华标 ;

张亚宁 ;

蔡静静 .

计算机辅助设计与图形学学报, 2014, 26 (08) :1320-1325

[2] 基于视觉的人体动作识别综述 [J].

胡琼 ;

秦磊 ;

黄庆明 .

计算机学报, 2013, 36 (12) :2512-2524

[3] Dense Trajectories and Motion Boundary Descriptors for Action Recognition [J].

Wang, Heng ;

Klaeser, Alexander ;

Schmid, Cordelia ;

Liu, Cheng-Lin .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2013, 103 (01) :60-79

[4] Real-Time Human Pose Recognition in Parts from Single Depth Images [J].

Shotton, Jamie ;

Sharp, Toby ;

Kipman, Alex ;

Fitzgibbon, Andrew ;

Finocchio, Mark ;

Blake, Andrew ;

Cook, Mat ;

Moore, Richard .

COMMUNICATIONS OF THE ACM, 2013, 56 (01) :116-124

[5]

LIBLINEAR: A Library for Large Linear Classification[J] . Rong-En Fan,Kai-Wei Chang,Cho-Jui Hsieh,Xiang-Rui Wang,Chih-Jen Lin.Journal of Machine Learning Research . 2008

[6]

Action recognition with trajectory-pooled deep-convolutional descriptors .2 Wang L,Qiao Y,Tang X. IEEE Conference on Computer Vision and Pattern Recognition(CVPR) . 2015

← 1 →