[发明专利]基于计算机视觉的人体行为识别方法

说明书

本发明涉及计算机视觉技术领域，具体公开了一种基于计算机视觉的人体行为识别方法，提取源域中行为视频的底层特征所构成的矩阵，得到第一特征矩阵；提取目标域中行为视频的底层特征所构成的矩阵，得到第二特征矩阵；利用联合矩阵分解技术将第一特征矩阵和第二特征矩阵同时进行分解，共享两个领域的隐含特征矩阵；将隐含特征矩阵构成的空间定义为源域和目标域的公共隐含语义空间；待算法学习到原始视频数据到公共隐含语义空间的线性映射矩阵和线性分类器，在识别行为视频时利用线性映射矩阵直接映射到公共隐含语义空间得到隐含语义表示，再采用线性分类器对语义表示向量进行分类，以此提升计算机人体行为识别的准确率。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于计算机视觉的人体行为识别方法。

背景技术

人体行为识别属于计算机视觉中的高层次任务，在智能监控、人机交互、基于内容的视频检索等领域有着巨大的应用前景，是当前计算机视觉领域的研究热点之一。

但是现有的人体行为识别方法的行为识别准确率偏低。

发明内容

本发明的目的在于提供一种基于计算机视觉的人体行为识别方法，旨在解决现有技术中的人体行为识别方法的行为识别准确率偏低的技术问题。

为实现上述目的，本发明采用的一种基于计算机视觉的人体行为识别方法，包括如下步骤：

提取源域中行为视频的底层特征所构成的矩阵，得到第一特征矩阵；

提取目标域中行为视频的底层特征所构成的矩阵，得到第二特征矩阵；

利用联合矩阵分解技术将第一特征矩阵和第二特征矩阵同时进行分解，共享两个领域的隐含特征矩阵；

将隐含特征矩阵构成的空间定义为源域和目标域的公共隐含语义空间，再以公共隐含语义空间为载体实现知识迁移；

待算法学习到原始视频数据到公共隐含语义空间的线性映射矩阵和线性分类器，在识别行为视频时利用线性映射矩阵直接映射到公共隐含语义空间得到隐含语义表示，再采用线性分类器对语义表示向量进行分类。

其中，联合矩阵分解表示矩阵转化为多个矩阵的乘积。

其中，在利用联合矩阵分解技术将第一特征矩阵和第二特征矩阵同时进行分解的步骤中引入信息矩阵。

其中，对于训练集以外的数据，算法通过线性映射的方式将目标域待分类行为视频直接映射到公共隐含语义空间，得到对应的隐含语义表示。

其中，在引入信息矩阵的步骤中：

首先需要定义源域和目标域样本间的相关性，给出相关性度量方法；

然后定义同一领域内样本两两之间的局部相似性度量方法；

在将源域和目标域的数据映射到公共隐含语义空间时，通过定义对应目标函数来保留不同领域间的标签一致性信息和相同领域内的局部几何结构信息。

本发明的一种基于计算机视觉的人体行为识别方法，通过提取源域中行为视频的底层特征所构成的矩阵，得到第一特征矩阵；提取目标域中行为视频的底层特征所构成的矩阵，得到第二特征矩阵；利用联合矩阵分解技术将第一特征矩阵和第二特征矩阵同时进行分解，共享两个领域的隐含特征矩阵；将隐含特征矩阵构成的空间定义为源域和目标域的公共隐含语义空间，再以公共隐含语义空间为载体实现知识迁移；待算法学习到原始视频数据到公共隐含语义空间的线性映射矩阵和线性分类器，在识别行为视频时利用线性映射矩阵直接映射到公共隐含语义空间得到隐含语义表示，再采用线性分类器对语义表示向量进行分类。以此提升计算机人体行为识别的准确率。

具体实施方式

本发明提供了一种基于计算机视觉的人体行为识别方法，包括如下步骤：