[发明专利]一种基于概率融合和降维技术的行为识别方法

摘要

本发明公开了一种基于概率融合和降维技术的行为识别方法，多次使用降维技术来对特征进行降维，从而提高特征的代表性和辨别性首先基于稠密轨迹来提取局部底层特征，为了节省空间和去除数据的相关性，对局部底层特征分别采用PCA；其次使用Fisher核对局部底层特征进行聚类，形成Fisher向量，从而提高特征的紧凑性、有序性；在FV作为分类器的输入之前对它们采用LDA的降维技术来提高存储效率、训练和测试的时间并且进一步提高特征辨别性；最后对于不同的描述器采用后融合技术进行数据的结合，从而来提高识别率。

主权项

一种基于概率融合和降维技术的行为识别方法，其特征在于：包括如下步骤：(1)建立底层特征描述器：基于稠密轨迹来提取HOG、HOF、MBH和Dentr四个底层特征描述器，然后使用PCA法对四个底层特征描述器分别提取对应特征的特征值和特征向量，将HOG、HOF、MBH和Dentr四个底层特征描述器的维数分别降到64、64、128、20；(2)建立中层特征描述器：使用Fisher核对步骤(1)得到的四个底层特征描述器分别进行聚类，得到的Fisher向量为2KD维向量；其中K为Fisher核中所选的高斯函数的数量；D为底层特征向量的维数，对于步骤(1)得到的四个底层特征描述器HOG、HOF、MBH和Dentr分别对应为64、64、128、20；(3)使用LDA对步骤(2)得到的Fisher向量进行降维；(4)使用步骤(3)得到的Fisher向量进行分类器训练和测试，包括如下步骤：(41)对四个底层特征描述器分别进行训练和测试，得到在当前分类器下各类的概率为P(ωkXi)，P(ωkXi)表示在底层特征描述器Xi下对应的类ωk的概率；(42)对各个底层特征描述器得到的概率按照特定规则进行融合，所述特定规则包括最大、最小、中值、权重选举、求和、求积。