基于显著鲁棒轨迹的自然环境视频行为识别
人类行为识别是计算机视觉领域的一个重要研究课题.由于背景复杂、摄像机抖动等原因,在自然环境视频中识别人类行为存在困难.针对上述问题,本文提出一种基于显著鲁棒轨迹的人类行为识别算法.该算法使用稠密光流技术在多尺度空间中跟踪显著特征点,并使用梯度直方图(HOG)、光流直方图(HOF)和运动边界直方图(MBH)特征描述显著轨迹.为了有效消除摄像机运动带来的影响,我们使用基于自适应背景分割的摄像机运动估计技术增强显著轨迹的鲁棒性.然后,对于每一类特征分别使用Fisher Vector模型将一个视频表示为一个Fisher向量,并使用线性支持向量机对视频进行分类.在四个公开数据集(即:Hollywood2、YouTube、Olympic Sports和UCF50)上的实验结果表明,该算法的识别率高于目前公布的其他算法,并且具有较低的时间复杂度.
人类行为识别 自然环境视频 显著鲁棒轨迹 数据集
易云 王瀚漓
同济大学计算机科学与技术系,上海 201804;赣南师范学院数学与计算机科学系,江西赣州 341000 同济大学计算机科学与技术系,上海 201804
国内会议
北京
中文
1-8
2014-09-13（万方平台首次上网日期，不代表论文的发表时间）