[发明专利]基于独立子空间网络的行为识别方法

权利要求书

1.一种基于独立子空间网络的行为识别方法，其特征在于，包括以下步骤：

S1.对视频进行预处理，并利用独立子空间网络学习空间特征，具体包括以下步骤：

S11.将KTH数据库中的KTH数据分割为训练集和测试集；

S12.从训练集中随机采样尺寸为32×32×5的基本视频块单元，并将基本视频块单元中的每一帧图像转化为灰度图像；

S13.对灰度化处理后的基本视频块单元作局部对比归一化预处理，得到尺寸为24×24×5的基本视频块单元；

S14.利用预处理后的基本视频块单元，采用独立子空间网络学习空间特征；

S2.采用从时间与空间上对特征进行最大值池化的方法提取时空特征，具体包括以下步骤：

S21.从训练集中密集采样尺寸为44×44×11视频块，并将视频块中的每一帧图像转化为灰度图像；

S22.将灰度化处理的视频块部分重叠的分割为尺寸为32×32×5的基本视频块单元，并对每一个基本视频块单元作局部对比归一化预处理；

S23.将预处理后的基本视频块单元进行spatial pooling操作与temporal pooling操作，并将得到的特征向量合并为一个特征向量；

S3.采用K-means聚类方法，将每个视频表征为直方图向量，具体包括以下步骤：

S31.根据步骤S2中得到的特征向量，利用K-means聚类方法对特征向量进行聚类，形成一个具有一定数目单词的词袋；

S32.对训练集中的所有特征向量分配单词标签，并将每个视频表示为其所有特征向量在词袋中出现频率的直方图向量；

S4.根据步骤S3中的直方图向量，对每类行为以该类行为的直方图向量为正样本，其他类型行为的直方图向量为负样本，训练非线性χ²-kernel SVM分类器；

S5.将测试集中视频表征为直方图向量，并依据多个SVM分类器，采用一对多的分类策略对多类行为进行识别。

2.如权利要求1所述的基于独立子空间网络的行为识别方法，其特征在于：所述步骤S14利用预处理后的基本视频块单元，采用独立子空间网络学习空间特征具体为：设定视频块数目为S，基本数据块单元为x_s，第t帧图像为x_s^t，其中t＝1,2,3,4,5；以一个视频数据块为基本单元，以每帧图像所表示的一维向量为输入，在独立子空间网络的每次前馈过程中将x_s^t表示为p_s^t，计算公式为：其中为x_s^t加随机噪声后的数据；在稀疏约束与temporal slowness规则化的条件下，定义重构视频数据的损失函数为：

Γs(xs;W)=Σt=1T||xst-W′Wx~st||22+λΣt=1T-1||pst-pst-1||1+γΣt=1T||pst||1]]>

其中，x_s^t为基本数据块单元x_s的第t帧图像的向量表示；W为需要学习的空间特征，W'为W的转置，V为独立子空间网络中输出层上一层神经元的分组矩阵；p_s^t为对图像x_s^t的特征编码；T为视频块的图片帧数，为独立子空间网络的重构误差；λ与γ为规则化项约束因子，为temporal slowness约束，为稀疏约束；利用L₁-regularized优化方法解决最小化问题