闵　军　孟朝晖

(河海大学计算机与信息学院　江苏 南京 211100)



基于前景置信的人体行为识别

闵军孟朝晖

(河海大学计算机与信息学院江苏 南京 211100)

为减少背景特征对行为识别的影响，提出一种基于前景置信的人体行为识别方法。该方法在基于稠密时空兴趣点的行为识别基础上，结合像素前景置信估计对特征描述器进行加权分类，再利用词袋模型判别行为。融合运动、外观及视觉显著性的像素前景置信的引入，提高了算法处理复杂背景视频的能力。该方法在UCF50和HMDB51视频库中进行训练和测试，平均识别率为66.4%。

行为识别前景置信加权分类词袋模型复杂背景

0　引　言

最近的十多年里，行为识别是计算机视觉研究的热点问题之一，在虚拟现实、人机交互及智能监控等领域有着广泛应用，受到越来越多研究人员的关注。

当前很多方法主要是通过提取视频中兴趣点的局部特征来对行为进行描述和识别。如 Harris3D 时空兴趣点检测算法[1]、Dollar时空兴趣点检测算法[2]、 Bregonzio时空兴趣点检测算法[3]和Laptev稠密时空兴趣点检测算法[4]。上述方法都在KTH 视频库上做过实验，得到了比较理想的结果。

然而，这种局部的特征描述器过分依赖训练视频库和测试视频库固有的特征，不区别对待背景特征和前景特征，也就是说不能突出视频中运动人体的特征。这就导致以上方法能够在特定的视频库中取得很好的结果，但对跨视频库或者实际生活中的视频进行测试时结果不理想。……