基于时空局部特征融合的人体行为识别

被引：2

作者：

向金海 ^{[1
]}

邹秀斌 ^{[2
]}

樊恒 ^{[1
]}

邓君丽 ^{[1
]}

机构：

[1] 华中农业大学理学院

[2] 江汉大学数学与计算机科学学院

来源：

武汉大学学报(工学版) | 2014年 / 47卷 / 04期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

行为识别; Hu不变矩; 区域特征; 运动特征; 特征融合; 多分类支持向量机;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

摘要：

为了实现对公共区域等特定场所下的人体正常行走、跑动、挥拳、双手挥舞等人体行为的识别,提出了一种基于时空局部特征融合的人体行为识别方法.首先,对各种目标行为建立样本库,将不同类别的目标行为样本作为先验知识,以此训练支持向量机;然后通过高斯混合模型来检测运动前景,接着提取运动目标的区域特征和运动特征,通过K-L离散变换对两者进行特征融合;最后结合支持向量机具有全局最优性和较好泛化能力的特点,进行小样本的多目标行为分类识别,并和BP神经网络的识别效果进行比较.实验结果表明,SVM的识别率优于BP神经网络,其平均识别率可达96%.

引用

页码：571 / 576

页数：6