APP下载

人体行为识别全局特征提取概述

2016-11-15武警工程大学信息工程系赵亚欣赵怀勋

电子世界 2016年19期
关键词:特征提取特征

武警工程大学信息工程系 赵亚欣 赵怀勋

人体行为识别全局特征提取概述

武警工程大学信息工程系 赵亚欣 赵怀勋

人体识别方法的关键在于提取良好的特征进行聚类和设计高效的分类器对行为识别。人体特征指的是从视频图像中提取出的对人的运动进行描述的信息:从图像中提取的颜色、纹理、角点、轮廓等信息,或是人体运动方向、速度、关节点的状态等。特征提取是人体行为识别的中高级阶段,对识别的实时性、准确率都起着决定性的作用。

全局特征作为行为识别时一种常规特征,通常先通过背景减除与跟踪定位确定感兴趣的区域,再将感兴趣的区域划分为整体进行描述。一般常见的全局特征有轮廓特征、轨迹特征、矩特征。本文将对几种常用的全局特征提取原理进行介绍。

1 基于傅里叶描述子的轮廓特征

1.1 Freeman链码轮廓提取

人完成各种动作所呈现出的轮廓是不同的,轮廓特征作为人体行为的重要特征,提取比较方便,包含信息丰富,可为后续利用傅里叶变换提取轮廓特征打下基础。

通过改进混合高斯建模提取出了运动目标前景,目标前景基本都是一个连通区域,利用轮廓提取算法可提取运动目标的轮廓。本文使用Freeman链码[1]对提取的检测目标进行轮廓提取,提取效果如图1所示:

图1 轮廓提取效果示例图

1.2 傅里叶描述子

在提取出完整的运动目标轮廓后,需用傅里叶描述子对轮廓进行特征提取,作为行为识别的依据。……

登录APP查看全文

猜你喜欢

特征提取特征
特征提取和最小二乘支持向量机的水下目标识别
如何表达“特征”
基于Gazebo仿真环境的ORB特征提取与比对的研究
不忠诚的四个特征
基于Daubechies(dbN)的飞行器音频特征提取
Bagging RCSP脑电特征提取算法
基于MED和循环域解调的多故障特征提取
线性代数的应用特征
Walsh变换在滚动轴承早期故障特征提取中的应用