技术特征：
技术总结
本发明涉及基于全局特征和稀疏表示分类的人体行为识别方法。对视频帧进行高斯核卷积滤波预处理，差分法提取运动前景像素；据参数在时空维度对像素值采样确定运动区域，调整视频帧的大小初步降维，将每帧视频按列拼接成向量组合得到特征向量；将特征向量按列拼接成特征矩阵后第二次降维，求得特征矩阵构成最初特征字典，对字典初始化后采用类别一致K次矩阵奇异值分解法进行字典学习，据所得字典求得输入信号稀疏编码，编码送入分类器输出行为类别；统计字典学习参数并实现实时行为识别。本发明得出兼具重构性能和分类性能的字典和线性分类器，可用于提高人体行为识别效率，适用于安防监控、基于内容的视频检索、虚拟现实等科学领域。
技术研发人员：李策;杨峰;李若童;刘瑞莉
受保护的技术使用者：中国矿业大学（北京）
技术研发日：2017.11.13
技术公布日：2018.03.09