一种多视角的人体行为识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109977787A(43)申请公布日2019.07.05(21)申请号201910156308.8(22)申请日2019.03.01(71)申请人北京工业大学地址100124北京市朝阳区平乐园100号(72)发明人孔德慧孙彬王少帆李敬华王立春(74)专利代理机构北京市中闻律师事务所11388代理人冯梦洪(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书5页附图2页(54)发明名称一种多视角的人体行为识别方法(57)摘要公开一种多视角的人体行为识别方法，其能够有效地提取更具判别性、鲁棒的特征，从而提高了多视角的人体行为的识别精度。这种多视角的人体行为识别方法，包括以下步骤：(1)学习一组特定视角的迁移字典，使同一个动作在不同视角下的稀疏表示相同，使不同视角的动作特征迁移到稀疏空间中；(2)通过视角自适应变换模型，将稀疏表示从稀疏空间变换到新的共用空间，该模型联合学习了分布自适应模型、结构一致模型和判别信息保留模型。CN109977787ACN109977787A权利要求书1/2页1.一种多视角的人体行为识别方法，其特征在于：该方法包括以下步骤：(1)学习一组特定视角的迁移字典，使同一个动作在不同视角下的稀疏表示相同，使不同视角的动作特征迁移到稀疏空间中；(2)通过视角自适应变换模型，将稀疏表示从稀疏空间变换到新的共用空间，该模型联合学习了分布自适应模型、结构一致模型和判别信息保留模型。2.根据权利要求1所述的多视角的人体行为识别方法，其特征在于：所述步骤(1)中，特定视角的迁移字典的目标函数为公式(1)所示：其中||·||F是矩阵的Frobenious范数，是第v个视角的特定视角的字典，J是字典的原子个数，并且所有特定视角的字典的原子是相同的；X是稀疏矩阵，ρ是稀疏约束参数；获得了特定视角的字典后，通过正交匹配追踪算法计算相应视角样本的稀疏表示。3.根据权利要求2所述的多视角的人体行为识别方法，其特征在于：所述公式(1)中，Dv通过KSVD算法解决。4.根据权利要求3所述的多视角的人体行为识别方法，其特征在于：所述步骤(2)中，视角自适应变换模型包括：平衡分布自适应模型，局部结构一致模型和判别信息保留模型。5.根据权利要求4所述的多视角的人体行为识别方法，其特征在于：所述平衡分布自适应模型，用于评价边缘分布和条件分布的相对贡献，使用最大均值差异来计算视角之间的分布差异，假设R个源视角的数据为X(s)＝[X1,,XR]，目标视角的数据为X(t)，特征空间和类别是相同的，但是边缘分布和条件分布均不同，Pr(Xr)≠Pt(X(t))，Pr(lr|Xr)≠Pt(lt|X(t))，其中和分别为源视角和目标视角的类标签，Nr和Nt分别为第r个源视角和目标视角的样本个数，平衡分布自适应模型的目标函数为公式(2)：其中A为变换矩阵，Nr,c和Nt,c分别为第r个源视角和目标视角在第c个类的样本个数，Xr,c和Xt,c分别为第r个源视角和目标视角在第c个类的样本矩阵，μ为平衡参数；如果μ变小，意味着源视角和目标视角的差异较大，边缘分布自适应更重要，否则条件分布自适应更重要；因为目标视角的数据是没有类标签的，所以使用源视角的数据训练分类器来预测目标视角数据，以获得伪标签；由于目标视角样本的伪标签不可靠，所以基于上一次迭代的结果来改善预测结果。6.根据权利要求5所述的多视角的人体行为识别方法，其特征在于：所述局部结构一致模型的目标函数为公式(3)：2CN109977787A权利要求书2/2页其中为源视角和目标视角所有样本的个数，为关联矩阵，矩阵中的每一个元素为两个样本的相似性：7.根据权利要求6所述的多视角的人体行为识别方法，其特征在于：所述判别信息保留模型的目标函数为公式(4)：其中是第r个视角样本的标签矩阵，为第r个视角第n个样本的标签向量，它的第c个元素是1，其它元素是0。8.根据权利要求7所述的多视角的人体行为识别方法，其特征在于：所述视角自适应变换模型的目标函数为公式(5)：9.根据权利要求8所述的多视角的人体行为识别方法，其特征在于：该识别方法中使用的分类方法为最近邻分类法：如果一个测试样本在特征空间中最相邻的训练样本所属某一个类别，则该测试样本属于这个类别。3CN109977787A说明书1/5页一种多视角的人体行为识别方法技术领域[0001]本发明涉及计算机视觉和模式识别的技术领域，尤其涉及一种多视角的人体行为识别方法。背景技术[0002]人体行为识别是机器学习和计算机视觉领域中一个重要的研究课题，在众多研究课题中得到广泛的应用，如人机交互，视频监控，运动检索和体育视频分析等。目前，在单视角人体行