基于HOG和SVM的人体行为仿生识别方法

吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (增刊1): 489-492.

基于HOG和SVM的人体行为仿生识别方法

王丹¹, 张祥合²

1. 吉林大学仿生工程学报编辑部,长春 130022;
2. 吉林大学吉林大学学报(工学版)编辑部,长春 130022

收稿日期:2011-09-20 发布日期:2013-06-01
通讯作者: 张祥合(1979-),男,编辑,博士.研究方向:数字出版,图像理解,工程仿生学.E-mail:xhzhang@jlu.edu.cn E-mail:xhzhang@jlu.edu.cn
作者简介:王丹(1980-),女,编辑,博士.研究方向:仿生模式识别,科技期刊学.E-mail:d_wang@jlu.edu.cn
基金资助:
国家自然科学基金项目(50635030).

Biomimetic recognition method of human behavior based on HOG and SVM

WANG Dan¹, ZHANG Xiang-he²

1. Editorial Department of Journal of Bionic Engineering, Jilin University, Changchun 130022, China;
2. Editorial Department of Journal of Jilin University(Engineering and Technology Edition), Jilin University, Changchun 130022, China

Received:2011-09-20 Published:2013-06-01

摘要/Abstract

摘要：

在研究了人类视觉系统处理机制的基础上,首先利用方向梯度描述符(HOG)建立了图像的鲁棒表示;然后,根据人类视觉系统的并行处理机制和仿生信息学理论,提出了基于HOG+SVM的人体行为仿生识别与分类方法。利用针对识别与分类方法的评价指标对本文方法进行了评价,最后,与目前常用方法进行了比较,结果表明,在针对静态图像中人体行为的分类与识别效果方面,本文方法对差别较大的行为的识别效果好于常用方法,对相似行为的识别效果还有待于进一步提高。

关键词: 人工智能, 方向梯度描述符, 支持向量机, 人体行为, 仿生识别

Abstract:

The robust representation of image is established by Histogram of Oriented Gradient (HOG). According to the processing mechanism of human visual system and the theory of multidimensional space biomimetic informatics, a biomimetic classification and recognition method of human behavior are proposed, which is based on HOG+SVM. The method is evaluated and compared with other commonly used methods. Results show that, for the classification and recognition of human behavior in still image, the proposed methods have better performance in recognizing different kinds of behavior, but the performance in recognizing similar behaviors still needs improvement.

Key words: artificial intelligence, Histogram of Oriented Gradient (HOG), support vector machine(SVM), human behavior, biomimetic recognition

中图分类号:

TP391

王丹, 张祥合. 基于HOG和SVM的人体行为仿生识别方法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 489-492.

WANG Dan, ZHANG Xiang-he. Biomimetic recognition method of human behavior based on HOG and SVM[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 489-492.

参考文献

[1] Smal I, Draegestein K, Galjart N, et al. Particle filtering for multiple object tracking in dynamic fluorescence microscopy images: application to microtubule growth analysis[J]. IEEE Trans Med Imaging, 2008, 27(6): 789-804.

[2] 皮文凯, 刘宏, 查红彬. 基于自适应背景模型的全方位视觉人体运动检测[J]. 北京大学学报:自然科学版, 2004, 40(3): 458-464.

[3] 侯志强, 韩崇昭. 视觉跟踪技术综述[J]. 自动化学报, 2006, 32(4): 603-617.

[4] Wang S J, Chen X, Qin H, et al. Double synaptic weight neuron theory and its application[C]//International Conference on Advances in Natural Computation, Changsha, China, 2005, 264-272.

[5] Weber M, Welling M, Perona P. Towards automatic discovery of object categories[C]//IEEE Conference on Computer Vision and Pattern Recognition, 2000.

[6] Zhang J, Marszalek M, Lazebnik S, et al. Local features and kernels for classification of texture and object categories: A comprehensive study[J]. International Journal of Computer Vision, 2007, 73(2): 213-238.

[7] 谭菊. 基于视觉感知的目标特性分析. 重庆: 重庆大学自动化学院, 2010.

[8] Ikizler N, Cinbis R G, Pehlivan S, et al. Recognizing Actions from Still Images[C]//19th International Conference on Pattern Recognition (ICPR), 2008:1-4.

[9] Yang Wei-long, Wang Yang, Mori Greg, et al. Recognizing Human Actions from Still Images with Latent Poses[C]//2010 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2010: 2030-2037.

[10] Delaitre V, Laptev I, Sivic J. Recognizing human actions in still images: a study of bag-of-features and part-based representations[C]//Proceedings of the British Machine Vision Conference, 2010: 1-11.

相关文章 15

[1]	隗海林, 包翠竹, 李洪雪, 李明达. 基于最小二乘支持向量机的怠速时间预测[J]. 吉林大学学报(工学版), 2018, 48(5): 1360-1365.
[2]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[3]	顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585.
[4]	王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205.
[5]	张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213.
[6]	黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865.
[7]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[8]	刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[9]	耿庆田, 于繁华, 王宇婷, 高琦坤. 基于特征融合的车型检测新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 929-935.
[10]	蔡振闹, 吕信恩, 陈慧灵. 基于反向细菌优化支持向量机的躯体化障碍预测模型[J]. 吉林大学学报(工学版), 2018, 48(3): 936-942.
[11]	王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532.
[12]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[13]	刘雪娟, 袁家斌, 许娟, 段博佳. 量子k-means算法[J]. 吉林大学学报(工学版), 2018, 48(2): 539-544.
[14]	曲慧雁, 赵伟, 秦爱红. 基于优化算子的快速碰撞检测算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1598-1603.
[15]	李嘉菲, 孙小玉. 基于谱分解的不确定数据聚类方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1604-1611.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed