基于局部块模型的复杂场景行为识别算法

针对视觉词袋模型与局部块模型特征相结合的算法在真实的复杂场景中识别率不高的问题,本文提出一种基于局部块模型与特征预处理、特征泛化相结合的行为识别算法。本文算法在视觉词袋模型的基础上,采取局部块模型与随机采样相结合的方法提取特征,对特征做预处理,减小了数据冗余,消除了特征之间的相关性,并且使处理后的特征更接近原始视频特征,同时对编码后特征做泛化处理,避免过拟合现象。本文在HMDB51标准视频库上进行实验,结果表明本文算法较原算法识别率提高2.1%,较其他同类算法也有一定的提升,验证了该算法的有效性。本文算法对视频量大、背景复杂、真实场景的视频集具有较好的识别效果。

改进的基于局部块模型的行为识别算法

针对基于局部时空特征与特征词袋模型相结合的算法中计算效率低、识别率不高的问题,提出一种基于局部块模型与特征数据预处理结合的行为识别算法。该算法基于特征词袋模型,采用局部块模型提取特征,将多变量的复杂问题简化为低维空间的简单问题,对其数据处理过程进行改进,同时优化了局部块模型中的帧采样过程。与原算法相比,计算效率与识别率都有较大提升,较其他同类算法也具有一定优势。2个通用视频库上的实验证明了算法的有效性。