[发明专利]融合互补特征的视觉人体行为识别方法

摘要

本发明涉及一种融合互补特征的视觉人体行为识别方法。其中，该方法包括：构建视频中人体行为的表观特性的表达和运动特性的表达；确定时空表观特征和运动特征的时空结构信息；将时空表观特征和运动特征映射到低维子空间中；利用随机弱线性分类器对低维特征进行弱分类，完成对节点的分割，产生多棵随机树；计算随机树上叶节点中各类别训练样本的时空结构信息与统计分布的概率值；将测试视频的时空结构信息与叶节点中的训练样本的时空结构信息进行匹配，并以训练样本所属类别的统计分布的概率值作为测试视频属于该类的得分，判定视频中所述人体行为的所属类别。通过该技术方案，解决了如何对视频中人体行为进行高效、鲁棒的识别的技术问题。

主权项

一种融合互补特征的视觉人体行为识别方法，其特征在于，所述方法包括：步骤1：提取视频中基于稀疏时空兴趣点的时空表观特征，并构建所述视频中所述人体行为的表观特性的表达；其中，所述视频包括测试视频和训练视频，所述训练视频包括训练样本集；步骤2：提取所述视频中基于密集采样的运动特征，并构建所述视频中所述人体行为的运动特性的表达；步骤3：确定所述时空表观特征和所述运动特征的时空结构信息；步骤4：构建基于随机森林的分类器，并执行以下步骤：利用基于随机选择的特征子空间投影，将所述时空表观特征和所述运动特征映射到随机选择的低维子空间中，得到低维特征；利用基于特征相似性的随机弱线性分类器对所述低维特征进行弱分类，对节点进行分割，直至产生叶节点；重复执行上述产生叶节点的步骤，产生多棵随机树；步骤6：计算所述随机森林中每棵随机树上叶节点中各类别训练样本的所述时空结构信息与统计分布的概率值；步骤7：将所述测试视频的所述时空结构信息与所述叶节点中的训练样本的时空结构信息进行匹配，并以所述训练样本所属类别的所述统计分布的概率值作为所述测试视频属于该类的得分，结合最大多数投票法则判定所述视频中所述人体行为的所属类别。