-
公开(公告)号：CN106874838A
公开(公告)日：2017-06-20
申请号：CN201611257407.8
申请日：2016-12-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种融合互补特征的视觉人体行为识别方法。其中，该方法包括：构建视频中人体行为的表观特性的表达和运动特性的表达；确定时空表观特征和运动特征的时空结构信息；将时空表观特征和运动特征映射到低维子空间中；利用随机弱线性分类器对低维特征进行弱分类，完成对节点的分割，产生多棵随机树；计算随机树上叶节点中各类别训练样本的时空结构信息与统计分布的概率值；将测试视频的时空结构信息与叶节点中的训练样本的时空结构信息进行匹配，并以训练样本所属类别的统计分布的概率值作为测试视频属于该类的得分，判定视频中所述人体行为的所属类别。通过该技术方案，解决了如何对视频中人体行为进行高效、鲁棒的识别的技术问题。
-
公开(公告)号：CN106874838B
公开(公告)日：2020-04-07
申请号：CN201611257407.8
申请日：2016-12-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种融合互补特征的视觉人体行为识别方法。其中，该方法包括：构建视频中人体行为的表观特性的表达和运动特性的表达；确定时空表观特征和运动特征的时空结构信息；将时空表观特征和运动特征映射到低维子空间中；利用随机弱线性分类器对低维特征进行弱分类，完成对节点的分割，产生多棵随机树；计算随机树上叶节点中各类别训练样本的时空结构信息与统计分布的概率值；将测试视频的时空结构信息与叶节点中的训练样本的时空结构信息进行匹配，并以训练样本所属类别的统计分布的概率值作为测试视频属于该类的得分，判定视频中所述人体行为的所属类别。通过该技术方案，解决了如何对视频中人体行为进行高效、鲁棒的识别的技术问题。
-
公开(公告)号：CN106529426A
公开(公告)日：2017-03-22
申请号：CN201610921854.2
申请日：2016-10-21
Applicant: 中国科学院自动化研究所
CPC classification number: G06K9/00744 , G06K9/6256 , G06K9/6278
Abstract: 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。
-
-
Search Results
3
records
(took 0.023 seconds)
