[发明专利]一种基于层级化特征学习的动作识别方法

权利要求书

1.一种基于层级化特征学习的动作识别方法，其特征在于，所述动作识别方法包括以下步骤：

将训练集区域块的特征聚类，利用词袋模型对所有区域块进行特征重表征，得到高层块的特征，将一个视频中所有块的特征进行均值池化，得到视频序列的特征集；

利用支持向量机对视频序列的特征集建模，得到模型参数；

选取测试集中的动作序列作为测试序列，通过两层的聚类以及词袋模型，提取动作序列的特征，将特征输入模型中，得到动作序列的动作类别号。

2.根据权利要求1所述的一种基于层级化特征学习的动作识别方法，其特征在于，所述动作识别方法还包括：

从动作视频数据集的每一类中挑选出训练视频序列和候选预测视频序列。

3.根据权利要求2所述的一种基于层级化特征学习的动作识别方法，其特征在于，

所述训练视频序列分为大小相等的时空块，根据这些块的像素信息构建块的协方差特征，作为块的初始化特征，构成动作数据集。

4.根据权利要求1所述的一种基于层级化特征学习的动作识别方法，其特征在于，所述层级化特征学习具体为：

利用聚类方法对训练集中的块进行聚类，然后利用词袋模型对所有的块进行特征重表征，得到底层块的特征；

通过池化将以底层块为中心，在它周围的所有块的底层特征进行融合，得到空间上比底层块更大的区域块的特征表征。