基于归一化R变换分层模型的人体行为识别

为保留多特征的鉴别能力和区分能力,同时不增加特征维度,提出了一种基于归一化R变换分层模型的人体行为识别方法。第一层选取描述了运动发生区域的运动能量图像(MEI)作为特征,并依据其归一化R变换曲线对行为进行大类划分;第二层利用细节特征更丰富的关键姿态的星状模型以及宽比和高比特征对各大类进行细分,实现行为的分治识别。对Weizmann和ViHaSi人体行为数据库进行实验,识别率分别为92.47%和96.67%。实验结果表明。

一种改进的人体骨架特征提取算法

在人体边缘轮廓提取的基础上,提出一种人体星形骨架特征提取算法。计算轮廓边界点到人体质心的欧氏距离,并通过小波降噪平滑距离信号。然后提取极值点,构建人体星形骨架模型。利用自适应滤波方法将极值点统一为5个,并采用极值点到人体质心的欧氏距离参数化特征向量。提取视频序列中行为动作的关键姿态编码,建立码本。采用贪婪匹配下的旋转距离将骨架特征向量与码本对照,取距离最小的关键姿态的序列号作为该特征向量的特征序列号输出。实验结果表明,该算法可以提高特征提取的准确性和系统的整体匹配效果。