【技術實現步驟摘要】
【專利摘要】本專利技術公開了，屬于圖像處理
。本專利技術的方法包括下列步驟：首先根據Dollar檢測算子提取輸入的運動視頻圖像流的STIP；再填補兩兩STIP之間的部分空洞，即將到兩兩STIP所構成的直線的垂直距離小于預設閾值的所有像素點設定為新的STIP；并基于LDPD描述子表示當前所有STIP，最后基于每個STIP的LDPD描述向量，構成當前運動視頻圖像流的統計直方圖，將所述直方圖作為訓練樣本，基于支持向量機輸出行為類別分類器。本專利技術用于行為識別，對初始參數不敏感，用于行為識別時的魯棒性好?！緦＠f明】
本專利技術屬于圖像處理
，具體涉及。
技術介紹
視頻中的人體行為識別已成為一個高度關注的研究領域，行為識別已經被應用在 各個領域，包括：視頻索引和瀏覽，視頻監控，識別手勢，體育事件分析等。而行為識別又主 要分為行為分析和識別，只有擁有良好的行為分析，才能更好的進行識別。當前盡管各個研 究機構在人體動作分析方面不斷進行著研究，但還有許多未解決的問題。這是因為在現實 世界中，可以由不同體型，外觀，速度，和姿勢的物體做出相類似的動作。此外，對靜態或移 動的物體遮擋，光照變化，或是陰影會對人類動作分析產生比較大的負面影響。 早期的動作分析方案是基于模板和跟蹤來實現的，在該方案中需要非常詳細的輪 廓描述，但這在現實世界是不易實現的。為了解決這一問題，以時空興趣點（STIP，視頻中 沿線時間軸顯著變化的時空特征）為基礎的方法已被廣泛應用于行為識別的行為分析中， 該方法的基本思想是把連續的視頻作為時空量。與模板...
【技術保護點】
一種用于行為識別的分類器訓練方法，其特征在于，包括下列步驟：步驟1：輸入運動視頻圖像流；步驟2：根據Dollar檢測算子提取所述運動視頻圖像流的所有時空興趣點，構成時空興趣點集G；步驟3：基于相鄰的兩個時空興趣點A、B建立線段將與線段的垂直距離小于預設閾值的所有像素點設定為時空興趣點，增加到所述時空興趣點集G中；步驟4：基于LDPD描述子表示當前時空興趣點集G中的每個時空興趣點：對任意時空興趣點，記為P(x,y,z)，其中x表示所在圖像的橫坐標，y表示所在圖像的縱坐標；z表示幀數；以時空興趣點P為中心建立一個三維立方體V，所述三維立方體V的長、寬、高分別對應空興趣點P的x、y、z；沿y軸方向將三維立方體V均分成N個初級子塊，N大于等于2；再從每個初級子塊中建立M個比初級子塊小的中級子塊，其中M大于等于2；取初級子塊/中級子塊所包含的時空興趣點的個數作為對應子塊的特征；由M+N個子塊的對應征表示時空興趣點P；步驟5：基于每個時空興趣點的LDPD描述向量，構成當前運動視頻圖像流的統計直方圖，將所述直方圖作為訓練樣本，基于支持向量機輸出行為類別分類器。
【技術特征摘要】
【專利技術屬性】
技術研發人員：解梅，許茂鵬，張碧武，卜英家，
申請(專利權)人：電子科技大學，
類型：發明
國別省市：四川;51
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。