计算机工程

• 图形图像处理 • 上一篇    下一篇

基于时空深度特征的人体行为识别算法

刘雨娇,范 勇,高 琳,酉 霞   

  1. (西南科技大学计算机科学与技术学院,四川绵阳621010)
  • 收稿日期:2014-10-23 出版日期:2015-05-15 发布日期:2015-05-15
  • 作者简介:刘雨娇(1991 - ),女,硕士研究生,主研方向:计算机视觉;范 勇,教授、博士;高 琳,讲师、博士;酉 霞,硕士研究生。
  • 基金项目:
    四川省教育厅科技基金资助项目(12zd1005);西南科技大学研究生创新基金资助项目(14cxjj0061);西南科技大学网络融合 工程实验室开放基金资助项目(12zxwk09)。

Human Action Recognition Algorithm Based on Spatial Temporal Depth Feature

LIU Yujiao,FAN Yong,GAO Lin,YOU Xia   

  1. (School of Computer Science and Technology,Southwest University of Science and Technology,Mianyang 621010,China)
  • Received:2014-10-23 Online:2015-05-15 Published:2015-05-15

摘要: 针对底层局部时空特征数量少以及中层特征表达能力弱的问题,结合时空深度特征,提出一种人体行为识 别算法。依据运动剧烈区域在行为识别中提供更多判别信息的思想,利用视频图像的深度信息确定人体运动显著 性区域,通过计算区域内光流特征作为度量区域活跃度的能量函数,依据能量函数对运动显著性区域进行高斯取 样,使样本点分布于运动剧烈区域。将采集到的样本点作为动作底层特征描述人体行为,结合词袋模型,采用支持 向量机分类器对行为进行识别。实验结果表明,在SwustDepth 数据集中,基于时空深度特征的人体行为识别算法 的平均行为识别准确率达到92% ,且具有较高的鲁棒性。

关键词: 行为识别, 深度信息, 采样策略, 时空特征, 词袋模型, 运动显著性

Abstract: Considering the problem that the number of undelying local spatial temporal is small,and the expression ability of mid-level feature is weak,combined with Spatial Temporal Depth Features (STDF),this paper proposes a human action recognition method. The intense area can provide more discrimination information in human recognition, and it finds the kinetic regions from depth image,computing the optical flow in the region to be the energy function and sampling the features on kinetic region in Gaussian distribution. The collected sample points as the low-level feature are combined with Bag-of-Word ( BoW ) model and Support Vector Machine ( SVM ) classifier to human recognition. Experimental data show that the average accuracy rate on human action recognition based algorithms on STDF in SwustDepth dataset can reach 92%,and has high robustness.

Key words: action recognition, depth information, sampling strategy, spatial temporal feature, Bag-of-Word (BoW) model, movement significance

中图分类号: