结合区域HOF和字典学习的人体行为识别方法

为辅助老人看护,提出一种基于视频的人体行为识别方法。采用AMBER方法检测视频中的运动目标,粗定位行为感兴趣区域;提取行为感兴趣区域各像素点的光流,构建归一化的光流方向直方图(histograms of oriented optical flow,HOF),用于描述人体行为;采用在线字典学习方法进行训练和测试,在训练阶段寻找最优的字典和稀疏矩阵,在测试阶段依据稀疏性分类不同特征。在国际上通用的ADL人体行为数据库中的仿真实验结果表明,采用本方法进行人体行为识别的识别率高,且不同人体行为之间的分类混淆率低。

结合HOG/HOF级联特征和多层分类器的人体行为识别

提出一种人体行为识别方法,结合HOG/HOF级联特征和多层分类器提高人体行为的识别率。采用VIBE方法提取视频中的前景区域;在前景区域上分别提取方向梯度直方图(HOG)特征和光流方向直方图(HOF)特征,组成HOG/HOF级联特征,将视频片段中所有前景区域的HOG/HOF级联特征构建成一个特征向量集合;构建包含两层自组织映射网络和一层有监督神经网络的多层分类器,对视频片段的特征向量集合进行分类,得到行为识别结果。仿真结果表明,该方法的行为识别率高,对不同人体行为的分类混淆率低。