基于累积边缘图像的现实人体动作识别

为了从现实环境下识别出人体动作,本文研究了从无约束视频中提取特征表征人体动作的问题.首先,在无约束的视频上使用形态学梯度操作消除部分背景,获得人体的轮廓形状;其次,提取某一段视频上每一帧形状的边缘特征,累积到一幅图像中,称之为累积边缘图像(Accumulative edge image,AEI);然后,在该累积边缘图像上计算基于网格的方向梯度直方图(Histograms of orientation gradients,HOG),形成特征向量表征人体的动作,送入分类器进行分类.YouTube数据集上的实验结果表明,本文的方法比其他方法更加有效.

视频中人体行为分析

为实现机器视觉代替人眼观察、认知世界以及减少背景和噪声对视频中人体特征提取的影响,以提高识别效果,在研究人体动作表征与识别的基础上,充分考虑局部和全局特征的优缺点,提出了基于局部时空兴趣点和全局累积边缘图像特征相结合的人体行为分析方法.首先,从视频序列中提取局部时空兴趣点和全局累积边缘图像特征;然后用加权字典向量法将两者有机地结合在一起;最后利用最近距离法进行人体行为分析和识别.该方法可有效获得人体时空特征、人体边缘轮廓、人的运动趋势和强烈程度.实验结果表明,该方法快速,相比其他算法识别率大致提高了2％～5％.