一种邻域高斯结构和视频特征融合的动作识别方法

• 摘要：

  本发明公开了一种邻域高斯结构和视频特征融合的动作识别方法.本方法首先用3D??LARK算子提取视频的局部结构特征,为了能够表达整体结构,提出一种基于多维高斯拟合的邻域结构评估算法.其次,邻域高斯结构和3D??LARK特征分别经过多尺度模板和待测视频的局部匹配和统计过程,得到两个目标动作存在的统计概率矩阵.最后,将两个统计概率矩阵融合来提取目标,双重约束提高了目标动作存在的准确性.本发明在传统的LARK算子上提出邻域关系约束整体的思想,提出了一种新的动作识别模型.对比现有方法,本发明提取的目标动作更精准,识别准确率更高,适用于各种复杂场景的可见光和红外视频.

• 专利类型：

  发明专利

• 申请/专利号：

  CN201610651712.9

• 申请日期：

  2016.08.11

• 公开/公告号：

  CN106295564A

• 公开/公告日：

  2017-01-04

• 发明人：

  柏连发 张毅 韩静 崔议尹

• 申请人：

  南京理工大学

• 主分类号：

  G06K9/00(2006.01)I,G,G06,G06K,G06K9

• 分类号：

  G06K9/00(2006.01)I,G,G06,G06K,G06K9,G06K9/00

• 主权项：

  一种邻域高斯结构和视频特征融合的动作识别方法,其特征在于,具体步骤为:步骤1、构建无背景多尺度模板,具体是:首先将模板图片转成灰度图,之后将图片的背景去除,最后对其进行缩放处理;步骤2、对步骤1得到的多尺度模板进行3D??LARK特征提取,之后对提取出的3D??LARK特征进行去冗余处理;步骤3、对步骤2得到的特征向量矩阵W_Q邻域窗口内的数据进行高斯拟合,之后对高斯拟合后的结果进行去冗余处理;步骤4、将待测视频转换为灰度视频,然后提取显著区域,之后再提取显著区域内像素点的3D??LARK特征,最后进行单个向量去冗余处理;步骤5、将待测视频3D??LARK特征集F_T邻域9*9窗口内的数据进行高斯多维拟合,之后对高斯多维拟合后的结果进行去冗余处理,得到:R为实数域,m₂为9*9窗口遍历待测视频后的循环次数;步骤6、对3D??LARK特征和邻域高斯结构特征的模板与待测视频进行局部匹配,并记录向量位置信息;步骤7、对向量位置信息进行统计,具体是确定统计窗口内不重复的索引值个数,分别得到目标存在的统计概率矩阵T_3DLK和T_NRFM;步骤8、将统计概率矩阵T_3DLK和T_NRFM相乘融合得到最终的统计概率矩阵T_final,在最终的统计概率矩阵T_final中用非极大值抑制的方法,逐帧提取出目标动作.