一种用于行为识别的分类器训练方法
【专利摘要】本发明公开了一种用于行为识别的分类器训练方法，属于图像处理【技术领域】。本发明的方法包括下列步骤：首先根据Dollar检测算子提取输入的运动视频图像流的STIP；再填补两两STIP之间的部分空洞，即将到两两STIP所构成的直线的垂直距离小于预设阈值的所有像素点设定为新的STIP；并基于LDPD描述子表示当前所有STIP，最后基于每个STIP的LDPD描述向量，构成当前运动视频图像流的统计直方图，将所述直方图作为训练样本，基于支持向量机输出行为类别分类器。本发明用于行为识别，对初始参数不敏感，用于行为识别时的鲁棒性好。
【专利说明】一种用于行为识别的分类器训练方法
【技术领域】
[0001] 本发明属于图像处理【技术领域】，具体涉及一种用于行为识别的分类器训练方法。
【背景技术】
[0002] 视频中的人体行为识别已成为一个高度关注的研究领域，行为识别已经被应用在 各个领域，包括：视频索引和浏览，视频监控，识别手势，体育事件分析等。而行为识别又主 要分为行为分析和识别，只有拥有良好的行为分析，才能更好的进行识别。当前尽管各个研 究机构在人体动作分析方面不断进行着研究，但还有许多未解决的问题。这是因为在现实 世界中，可以由不同体型，外观，速度，和姿势的物体做出相类似的动作。此外，对静态或移 动的物体遮挡，光照变化，或是阴影会对人类动作分析产生比较大的负面影响。
[0003] 早期的动作分析方案是基于模板和跟踪来实现的，在该方案中需要非常详细的轮 廓描述，但这在现实世界是不易实现的。为了解决这一问题，以时空兴趣点（STIP，视频中 沿线时间轴显著变化的时空特征）为基础的方法已被广泛应用于行为识别的行为分析中， 该方法的基本思想是把连续的视频作为时空量。与模板和基于跟踪的方法相比，该方法对 噪音和摄像机移动所产生的负面影响的处理性会更好。基于STIP方法把人类的动作当作 是时空兴趣点的一个容器，再将时空兴趣点从连续的视频中提取，并用外观描述符对其进 行描述（其中每个描述符被定义为视觉词汇，并将它的直方图用于行为识别）。因此，基于 STIP的方法，仅仅依靠个人的局部外观描述子进行行为识别，而时空兴趣点的时空分布信 息被忽略。
[0004] 通过检测器（如Dollar检测）从运动的视频中提取STIP，并用提取的STIP构建 稀疏的动作流。然而，因为在稀疏流中两个相邻点之间的间隙太大，存在的空洞太多，因而 无法在稀疏的运动流中有效捕捉动作的时空特征，尤其是在快速运动中，两两STIP之间的 间隙会变得非常大，基本无法描述动作的时空特征，进而无法进行识别。
【发明内容】
[0005] 本发明的目的在于，提出一种基于密时空特征点来描述动作的时空特征的分类器 训练方法，基于所得到的分类器完成行为识别。
[0006] 本发明的用于行为识别的分类器训练方法，包括下列步骤：
[0007] 步骤1 :输入运动视频图像流；
[0008] 步骤2 :根据Dollar检测算子提取所述运动视频图像流的所有时空兴趣点，构成 时空兴趣点集G ;
[0009] 步骤3:基于相邻的两个时空兴趣点A、B建立线段
【权利要求】
1. 一种用于行为识别的分类器训练方法，其特征在于，包括下列步骤： 步骤1 :输入运动视频图像流； 步骤2 :根据Dollar检测算子提取所述运动视频图像流的所有时空兴趣点，构成时空 兴趣点集G ; 步骤3 :基于相邻的两个时空兴趣点A、B建立线段X百，将与线段XI的垂直距离小于 预设阈值的所有像素点设定为时空兴趣点，增加到所述时空兴趣点集G中； 步骤4 :基于LDH)描述子表示当前时空兴趣点集G中的每个时空兴趣点： 对任意时空兴趣点，记为P(X, y, Z)，其中X表示所在图像的横坐标，y表示所在图像的 纵坐标；Z表示巾贞数； 以时空兴趣点P为中心建立一个三维立方体V，所述三维立方体V的长、宽、高分别对应 空兴趣点P的X、y、z ; 沿y轴方向将三维立方体V均分成N个初级子块，N大于等于2 ;再从每个初级子块中 建立Μ个比初级子块小的中级子块，其中Μ大于等于2 ;取初级子块/中级子块所包含的时 空兴趣点的个数作为对应子块的特征；由Μ+Ν个子块的对应征表示时空兴趣点Ρ ; 步骤5 :基于每个时空兴趣点的LDH)描述向量，构成当前运动视频图像流的统计直方 图，将所述直方图作为训练样本，基于支持向量机输出行为类别分类器。
【文档编号】G06K9/66GK104299007SQ201410472263
【公开日】2015年1月21日 申请日期:2014年9月17日 优先权日:2014年9月17日
【发明者】解梅, 许茂鹏, 张碧武, 卜英家 申请人:电子科技大学