一种基于贝叶斯模型的视觉人体行为识别方法

• 摘要：

  本发明涉及一种基于贝叶斯模型的视觉人体行为识别方法,该方法包括以下步骤:提取训练视频中的特征,形成对所述训练视频中人体行为的底层表达;从所述特征出发,构建分层贝叶斯模型,以提取所述训练视频中不同尺度下的人体行为模式,得到基于高层语义信息的人体行为表达;嵌入最大间隔机制,实现判别式的分层贝叶斯模型的学习;学习所述判别式的分层贝叶斯模型的参数,以确定所述参数.本发明还涉及一种通过本发明所述的方法学习而成的视觉人体行为识别器.本发明通过引入最大间隔机制到识别模型中,与之前的识别模型统一起来形成一个统一的判别式的分层贝叶斯模型,能够有效的应对复杂行为背景的情况,进而实现鲁棒的行为识别.

• 专利类型：

  发明专利

• 申请/专利号：

  CN201610921854.2

• 申请日期：

  2016.10.21

• 公开/公告号：

  CN106529426A

• 公开/公告日：

  2017-03-22

• 发明人：

  胡卫明 杨双 原春锋

• 申请人：

  中国科学院自动化研究所

• 主分类号：

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

• 分类号：

  G06K9/00(2006.01)I,G06K9/62(2006.01)I,G,G06,G06K,G06K9,G06K9/00,G06K9/62

• 主权项：

  一种基于贝叶斯模型的视觉人体行为识别方法,该方法包括以下步骤:步骤1:提取训练视频中的特征,形成对所述训练视频中人体行为的底层表达;步骤2:从所述特征出发,构建分层贝叶斯模型,以提取所述训练视频中不同尺度下的人体行为模式,得到基于高层语义信息的人体行为表达;步骤3:嵌入最大间隔机制,实现判别式的分层贝叶斯模型的学习;步骤4:学习所述判别式的分层贝叶斯模型的参数,以确定所述参数.