基于自适应特征融合的自然环境视频行为识别
Recognizing Actions from Videos in the Wild via Adaptive Feature Fusion作者机构：中山大学信息科学与技术学院广州510006 广东电网公司东莞供电局信息中心广东东莞523008
出 版 物：《计算机学报》 (Chinese Journal of Computers)
年 卷 期：2013年第36卷第11期
页 面：2330-2339页
核心收录：
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：广东省高科技项目基金(201100000514)资助
主 题：行为识别 特征点轨迹 时空兴趣点 词袋表示 特征融合
摘 要：文中针对无约束环境下现实人体行为识别的难点问题,提出了一种自适应特征融合算法.首先,通过图像特征点跟踪和背景轨迹剪除,获得可靠的特征点轨迹,并从中计算得到一组丰富的动作描述符,以同时保留轨迹的局部运动信息、形状以及静态外观信息;然后,采用词袋(Bag of Words,BOW)模型,将视频序列表示为视觉词语频率直方图;最后,为应对摄像头移动和静止情况下,视频中动作特点的剧烈变化,提出自适应的特征融合策略,即根据摄像头的动静情况,选择性地将基于特征点轨迹的描述符与基于3D兴趣点的描述符进行融合.通过在2个现实人体行为数据集上的实验并与当前已有算法的比较,证明了文中算法的有效性.
维普期刊数据库
同方期刊数据库