[发明专利]一种基于二叉树的人体行为识别方法

权利要求书

1.一种基于二叉树的人体行为识别方法，其特征在于，包括以下步骤：

S1：输入视频，对视频帧中的特征点进行采样，对采样后的特征点进行跟踪，生成轨迹，再对轨迹进行筛选；

S2：计算筛选后轨迹的显著值，提取出综合显著轨迹；

S21：分别提取轨迹的灰度显著值以及光流显著值；

S22：通过灰度显著值以及光流显著值得到视频帧的综合显著值；

S23：根据综合显著值提取出显著轨迹；

S3：根据求得的综合显著轨迹计算轨迹的特征描述符，用来量化轨迹特征；

S31：计算从第i帧处开始采样的轨迹在第f帧的采样点平均位置值；i≤f≤i+L，L表示轨迹长度；

S32：计算从第i帧处开始采样的第n轨迹在第f帧的采样点相对于平均位置的位移；

S33：由归一化处理结果得到第i帧处开始采样的第n条轨迹的均衡描述符；

S4：根据轨迹特征将轨迹进行分类，并利用谱聚类方法将视频的轨迹分类到若干集合中，即分类到二叉树节点中，构造中层语义二叉树；

步骤S4根据轨迹特征将轨迹进行分类，并利用谱聚类方法将视频的轨迹分类到若干集合中，即分类到二叉树节点中，构造中层语义二叉树的具体步骤包括：

S41：利用轨迹之间的欧氏距离d作为轨迹之间的相似度，并对欧氏距离采用高斯核化；

S42：采用归一化切割N-Cut对轨迹聚类，获得离散解；

S43：利用K均值方法对特征向量组成的矩阵E进行处理，从而获得每一条特征的类别；所述的特征向量通过二叉树结构进行FV编码与随机投影得到；

S44：利用方法根据轨迹的特征类别进行谱聚类；

S45：将行为视频显式地划分为语义上的两类特征，其中一类为行为的主体部分，另一类则为辅助主体部分的人、物运动部分；

S5：对若干集合内的轨迹进行编码得到编码向量，采用子空间随机投影对编码向量进行降维，并将若干集合的降维后的编码向量进行融合，用来表示一个视频；

S6：利用线性核的SVM对视频进行分类，得到视频行为的类别标签并输出结果；

步骤S3根据求得的综合显著轨迹计算轨迹的特征描述符的具体步骤包括：

S31：计算从第i帧处开始采样的轨迹在第f帧的采样点平均位置值为：

其中，i≤f≤i+L；N表示相同起始帧和采样尺度的轨迹数目，表示从第i帧处开始采样的第n条轨迹在第i帧上的采样点；x表示横轴上的值，y表示纵轴上的值；

S32：计算从第i帧处开始采样的第n轨迹在第f帧的采样点相对于平均位置的位移为：

ΔR_iⁿ(f)＝p_iⁿ(f)-A_i(f)

对相对位移进行归一化处理：

其中min(ΔR_i)表示第n轨迹在第f帧的采样点相对于平均位置最小位移，max(ΔR_i)表示第n轨迹在第f帧的采样点相对于平均位置最大位移；

S33：由归一化处理结果得到第i帧处开始采样的第n条轨迹的均衡描述符：