周思超，夏利民

（中南大学信息科学与工程学院， 湖南长沙 410075）

基于稠密轨迹聚类的人体交互行为识别

周思超，夏利民

（中南大学信息科学与工程学院， 湖南长沙 410075）

摘 要：由于稠密轨迹对快速不规则运动的鲁棒性较强，对视频运动信息的覆盖度较好，近年来基于稠密轨迹的人体运动表征方法已经越来越多地运用于行为识别等领域。但轨迹提取受视频噪声影响较大，采用词袋（BOW）模型分类的参数难以确定，分类算法复杂，前述方法仍有些许不足。为此，提出了一种空间金字塔稠密轨迹聚类（PDDC）的人体交互行为识别方法。在金字塔不同空间层提取人体交互运动轨迹，并对所提取轨迹进行聚类，利用时空情境特征构建行为描述符，最后通过多示例学习（MIL）对交互行为进行分类识别。在UT-Interaction与WEB-Interaction数据集上进行了测试，证明了该方法的有效性。

关键词：交互行为识别；稠密轨迹；多示例学习

0 引 言

人体行为识别是计算机实现全自动场景理解的重要一步，在监视系统、人机交互、计算机智能等方面都有广阔的应用前景。两人交互行为在日常生活中广泛存在，如握手、拥抱、打架等，这些行为包含信息巨大。识别交互行为对视频理解、信息决策等都有着极大的意义与价值。

近几年，两人交互行为识别的研究已经取得丰硕的成果，研究对象也逐渐从单一背景、视角固定的数据集向背景杂乱、视角变化的数据集转变。用特征包（BOF）框架来表征局部时空特征的方法在交互行为识别领域被广泛采用［1-10］。……