基于改进稠密轨迹与Fisher向量编码的人体行为识别方法

针对机器人视觉领域中的人体行为识别存在的行为识别正确率低的问题,提出一种基于改进稠密轨与Fisher向量编码的人体行为识别方法。首先利用改进稠密轨对视频中的人体行为特征进行提取,再计算速度特征及方向角,最后基于Fisher向量编码对不同的人体行为轨迹特征进行量化和识别。通过对比实验证明,该方法与传统人体行为识别方法相比,大幅提高了正确识别的目标数量,可有效抑制外界环境因素对识别结果造成的影响。