|本期目录/Table of Contents|

[1]张飞燕,李俊峰.基于光流速度分量加权的人体行为识别[J].浙江理工大学学报,2015,33-34(自科1):115-123.
　ZHANG Fei yan,LI Jun feng.Human Behavior Recognition Based on Weighted Optical Flow Velocity Component[J].Journal of Zhejiang Sci-Tech University,2015,33-34(自科1):115-123.
点击复制

基于光流速度分量加权的人体行为识别()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第33-34卷
期数:
2015年自科1期
页码:
115-123
栏目:
出版日期:
2015-01-10

文章信息/Info

Title:
Human Behavior Recognition Based on Weighted Optical Flow Velocity Component
文章编号:
1673-3851 (2015) 01-0115-09
作者:
张飞燕;  李俊峰
浙江理工大学机械与自动控制学院, 杭州 310018
Author(s):
ZHANG Feiyan;  LI Junfeng
School of Mechanical Engineering & Automation, Zhejiang Sci-Tech University,Hangzhou 310012, China
关键词:
行为识别;  光流特征;  速度分量u和v;  视觉词汇表;  加权
分类号:
TP391.4
文献标志码:
A
摘要:
为了提高光流特征对人体行为的描述性,提出一种新的人体行为识别方法。首先,将提取的光流特征分解为 u和v 两个速度分量分别来描述行为,通过直接构造视觉词汇表分别得到不同行为两个速度分量的标准视觉词汇码本,并利用训练视频得到每个行为的不同分量的标准词汇分布;进而根据不同行为两个分量的标准视觉词汇码本,分别计算测试视频相应的速度分量的词汇分布,并利用与各行为两个速度分量的标准词汇分布的加权相似性度量进行行为识别;最后在KTH数据库和Weizmann数据库中进行实验。实验结果表明，与其它行为识别方法相比笔者提出的方法可以明显提高行为平均识别率。

参考文献/References:

［1］ 李瑞峰, 王亮亮, 王珂. 人体动作行为识别研究综述［J］. 模式识别与人工智能, 2014, 27(1): 35-48.
［2］ 杜鉴豪, 许力. 基于区域光流特征的异常行为检测［J］. 浙江大学学报: 工学版, 2011, 45(7): 1161-1166.
［3］ Lucas B D, Kanade T. An iterative image registration technique with an application to stereo vision［C］// Proceedings of the 7th International Joint Conference on Artificial Intelligence. Vancouver, BC, Can:［s.n.］, 1981, 81: 674-679.
［4］ 傅博, 李文辉, 陈博, 等. 基于加权光流能量的异常行为检测［J］. 吉林大学学报: 工学版, 2013(6): 1644-1649.
［5］ Zhen  X T, Shao L. A local descriptor based on  Laplacian  pyramid coding for action recognition［J］. Pattern  Recognition Letters, 2013, 34(15): 1899-1905.
［6］ Guo  K, Ishwar P, Konrad J. Action recognition using sparse representation on covariance manifolds of optical flow［C］// 2010 7th IEEE International Conference on Advanced Video and Signal Based, AVSS 2010. Boston, MA, United States: IEEE Computer  Society, 2010: 188-195.
［7］ Chaudhry  R, Ravichandran A, Hager G, et al.  Histograms  of oriented optical flow and binetcauchy kernels on  nonlinear  dynamical systems for the recognition of human actions［C］// 2009 IEEE Computer Society
Conference  on Computer Vision and Pattern Recognition Workshops: CVPR Workshops 2009. Miami, FL,  United  states: IEEE Computer Society, 2009: 1932-1939.
［8］ Li W Q, Zhang Z Y, Liu Z C. Action recognition based on a bag of 3d points［C］// 2010 IEEE Computer Society  Conference  on Computer Vision and Pattern Recognition  Workshops: CVPR Workshops 2010. San Francisco, CA,  United  states: IEEE Computer Society, 2010: 9-14.
［9］ 王乔, 雷航, 郝宗波. 基于整体能量模型的异常行为检测［J］. 计算机应用研究, 2013, 29(12): 4782-4785.
［10］ Tom M, Venkatesh B R. Rapid human action recognition in H. 264/AVC compressed domain for video surveillance［C］// 2013 IEEE International Conference on Visual Communications and Image Processing, IEEE VCIP 2013. Kuching, Sarawak, Malaysia: IEEE Computer Society, 2013: 1-6.
［11］ Mota V F, Perez E A, Maciel L M, et al. A tensor motion descriptor based on histograms of gradients and optical flow［J］. Pattern Recognition Letters, 2014, 39: 85-91.
［12］ Tang X Q, Xiao G Q. Action Recognition Based on Maximum Entropy Fuzzy Clustering Algorithm［M］. Foundations of Intelligent Systems.［S.1.］: Springer Berlin Heidelberg, 2014: 155-164.

备注/Memo

备注/Memo:
收稿日期： 2014-07-08
基金项目： 国家自然科学基金项目(61374022);国家“863”高技术项目研究与发展计划项目(2009AA04Z139);浙江省自然科学基金项目(Y1100028)
作者简介： 张飞燕(1990-),女,浙江上虞人,硕士研究生,主要从事智能视频监控系统中人体异常行为识别方面的研究
通信作者： 李俊峰,E-mail:ljf2003@zstu.edu.cn
更新日期/Last Update: 2014-12-25