吉林大学学报(工学版) ›› 2015, Vol. 45 ›› Issue (1): 304-308.doi: 10.13229/j.cnki.jdxbgxb201501044
王世刚,孙爱朦,赵文婷,惠祥龙
WANG Shi-gang,SUN Ai-meng,ZHAO Wen-ting,HUI Xiang-long
摘要: 本文方法首先从视频中提取出代表足够运动信息的时空兴趣点,并通过人体前景剪影连通性分析判别时空兴趣点的点集范围。然后对每个视频的兴趣点样本进行高斯混合聚类生成时空单词。最后对时空单词进行训练得到每个行为的高斯混合模型用于人体行为的识别。该方法既可用于单人行为识别也可用于双人行为识别。在行为库上的实验结果证明了该方法有较高的正确率。
中图分类号:
[1] Candamo J, Shreve M, Goldgof D B, et al. Understanding transit scenes: a survey on human behavior-recognition algorithms[J]. IEEE Transactions on Intelligent Transportation Systems, 2010, 11(1): 206-224. [2] 吴联世, 夏利民, 罗大庸. 人的交互行为识别与理解研究综述[J]. 计算机应用与软件, 2011, 28(11): 60-63. Wu Lian-shi,Xia Li-min,Luo Da-yong. Survey on human interactive behavior recognition and comprehension[J]. Computer Applications and Software, 2011,28(11): 60-63. [3] Ryoo M S, Aggarwal J K. Spatio-temporal relationship match: video structure comparison for recognition of complex human activities[C]∥IEEE 12th International Conference on Computer Vision, 2009: 1593-1600. [4] Park S, Aggarwal J K. A hierarchical Bayesian network for event recognition of human actions and interactions[J]. ACM Journal of Multimedia Systems, Special Issue on Video Surveillance,2004, 10(2): 164-179. [5] Ryoo M S, Aggarwal J K. Recognition of composite human activities through context-free grammar based representation[C]∥Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2006: 1709-1718. [6] 韩磊, 李君峰, 贾云得. 基于时空单词的两人交互行为识别方法[J].计算机学报, 2010, 33(4): 776-784. Han Lei, Li Jun-feng, Jia Yun-de. Human interaction recognition using Spatio-Temporal words[J].Chinese Journal of Computers, 2010, 33(4): 776-784. [7] Harris C, Stephens M. A combined corner and edge detector[C]∥Proceeding of the 4th Alvey Vision Conference, 1988:147-151. [8] Laptev I, Lindeberg T. Space-time interest points[C]∥Proceedings of Ninth IEEE International Conference on Computer Vision,2003: 432-439. [9] Dollár P, Rabaud V, Cottrell G, et al. Behavior recognition via sparse spatio-temporal features[C]∥Proceedings of 2nd Joint IEEE International Workshop on Visual Surveillance and Performance Evaluation of Tracking and Surveillance,2005: 65-72. |
[1] | 周彦果,张海林,陈瑞瑞,周韬. 协作网络中采用双层博弈的资源分配方案[J]. 吉林大学学报(工学版), 2018, 48(6): 1879-1886. |
[2] | 孙晓颖, 扈泽正, 杨锦鹏. 基于分层贝叶斯网络的车辆发动机系统电磁脉冲敏感度评估[J]. 吉林大学学报(工学版), 2018, 48(4): 1254-1264. |
[3] | 董颖, 崔梦瑶, 吴昊, 王雨后. 基于能量预测的分簇可充电无线传感器网络充电调度[J]. 吉林大学学报(工学版), 2018, 48(4): 1265-1273. |
[4] | 牟宗磊, 宋萍, 翟亚宇, 陈晓笑. 分布式测试系统同步触发脉冲传输时延的高精度测量方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1274-1281. |
[5] | 丁宁, 常玉春, 赵健博, 王超, 杨小天. 基于USB 3.0的高速CMOS图像传感器数据采集系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1298-1304. |
[6] | 陈瑞瑞, 张海林. 三维毫米波通信系统的性能分析[J]. 吉林大学学报(工学版), 2018, 48(2): 605-609. |
[7] | 张超逸, 李金海, 阎跃鹏. 双门限唐检测改进算法[J]. 吉林大学学报(工学版), 2018, 48(2): 610-617. |
[8] | 关济实, 石要武, 邱建文, 单泽彪, 史红伟. α稳定分布特征指数估计算法[J]. 吉林大学学报(工学版), 2018, 48(2): 618-624. |
[9] | 李炜, 李亚洁. 基于离散事件触发通信机制的非均匀传输网络化控制系统故障调节与通信满意协同设计[J]. 吉林大学学报(工学版), 2018, 48(1): 245-258. |
[10] | 孙晓颖, 王震, 杨锦鹏, 扈泽正, 陈建. 基于贝叶斯网络的电子节气门电磁敏感度评估[J]. 吉林大学学报(工学版), 2018, 48(1): 281-289. |
[11] | 武伟, 王世刚, 赵岩, 韦健, 钟诚. 蜂窝式立体元图像阵列的生成[J]. 吉林大学学报(工学版), 2018, 48(1): 290-294. |
[12] | 袁建国, 张锡若, 邱飘玉, 王永, 庞宇, 林金朝. OFDM系统中利用循环前缀的非迭代相位噪声抑制算法[J]. 吉林大学学报(工学版), 2018, 48(1): 295-300. |
[13] | 王金鹏, 曹帆, 贺晓阳, 邹念育. 基于多址干扰和蜂窝间互扰分布的多载波系统联合接收方法[J]. 吉林大学学报(工学版), 2018, 48(1): 301-305. |
[14] | 石文孝, 孙浩然, 王少博. 无线Mesh网络信道分配与路由度量联合优化算法[J]. 吉林大学学报(工学版), 2017, 47(6): 1918-1925. |
[15] | 姜来为, 沙学军, 吴宣利, 张乃通. LTE-A异构网络中新的用户选择接入和资源分配联合方法[J]. 吉林大学学报(工学版), 2017, 47(6): 1926-1932. |
|