[发明专利]一种基于简单动作的探索特权信息的复杂动作识别方法

说明书

本发明公开了一种基于简单动作的探索特权信息的复杂动作识别方法，该方法包括如下步骤：S1、利用改进的密集轨迹(IDT特征)对简单动作和复杂动作的视频提取特征，得到特征矩阵；S2、探索简单动作中的有效信息作为特权信息；S3、通过特权信息，建立模型，帮助复杂动作的学习。本发明对复杂动作进行分析，考虑复杂动作可以由一系列的简单动作组合而成，提出一种全新的框架，通过利用一系列的简单动作实现复杂动作的识别。本发明通过特权信息矩阵编码每个简单动作在复杂动作中发生的概率，帮助复杂动作的学习，从而提高复杂动作的识别率。

技术领域

本发明涉及人工智能与视频处理技术领域，具体涉及一种基于简单动作的探索特权信息的复杂动作识别方法，特别是基于特权信息学习技术利用简单动作的知识帮助复杂动作的学习。

背景技术

近年来，视频监控被广泛应用，且需求仍然在不断增长，然而现有的视频监控系统其智能性还远远达不到用户的预期。人体行为的识别在视频监控中有重要的应用价值，可以作为更进一步的高层语义化的分析与理解的基础，使智能化的检测、报警、检索等成为可能。随着信息技术的发展，相关应用需求也越来越多样化，基于视频的行为识别有较高的复杂性，不同应用场景有不同问题，所以也相应有着不同的识别方法。学术界对相关问题一直在进行持续研究，但仍有诸多问题待解决。

传统的机器学习方法训练需要大量的有标签样本，但在实际情况中，有的有标签数据不容易获得，并且获取有标签的样本数据是耗时耗力的，考虑到复杂动作可以由简单动作组合而成，而简单动作可以从已有的简单动作库(KTH、Weizmann等)挑选获得，研究人员可以通过简单动作的学习帮助学习复杂动作。特权信息可以利用有标签的样本去学习有少量标签样本的学习。目前特权信息已经应用于文本，图片，视觉等领域。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于简单动作的探索特权信息的复杂动作识别方法。

本发明的目的可以通过采取如下技术方案达到：

一种基于简单动作的探索特权信息的复杂动作识别方法，所述的复杂动作识别方法包括下列步骤：

S1、利用改进的密集轨迹对简单动作和复杂动作的视频进行特征提取，得到特征矩阵；

S2、探索简单动作中的有效信息，将所有的复杂动作发生简单动作的概率组成一个矩阵，作为特权信息；

S3、通过特权信息，建立模型，实现复杂动作的学习。

进一步地，所述的改进的密集轨迹包括以下描述符：轨迹位移向量、梯度直方图、光流直方图和X及Y方向上的光流信息。

进一步地，所述的步骤S1中对提取的视频特征进行利用Fisher vector进行编码。

进一步地，所述的简单动作从KTH和Weizmann数据库中挑选，所述的复杂动作从Olympic Sport和UCF50数据库中挑选。

进一步地，所述的步骤S2具体如下：

将每一个简单动作对应一个具体的数值a，a表示简单动作在复杂动作中发生的概率，基于此规则，得到概率矩阵X^*∈R^S*M，其中，S表示简单动作的类别数，M表示复杂动作的样本数目。

进一步地，所述的步骤S3具体过程包括：

S301、利用特权信息，建立合理的目标方程式如下：