| 基于底层特征建模的行为识别算法优化 |
| |
| 引用本文： | 刘云,杨建滨,王传旭.基于底层特征建模的行为识别算法优化[J].科学技术与工程,2018,18(21). |
| |
| 作者姓名： | 刘云 杨建滨 王传旭 |
| |
| 作者单位： | 青岛科技大学信息学院 |
| |
| 基金项目： | 国家自然科学基金项目（面上项目，重点项目，重大项目） |
| |
| 摘 要： | 近年来基于时空兴趣点的视觉词袋(bag of video words,BOVW)模型被广泛用于行为识别算法研究;但是该模型忽略了每一种视觉单词的权重,另外没有考虑兴趣点时空分布信息,因而制约了其识别精度。提出了两种算法解决上述问题;其一,采用词频-逆向文件频率(term frequency-inverse document frequency,TF-IDF)方法对传统BOVW直方图进行优化处理,根据视觉单词在词袋与BOVW直方图的比例权衡其重要程度;其二,提出了基于三维共生矩阵的时空兴趣点互信息(spatialtemporal interest points mutual information,STIPsMI)算法,刻画不同视觉单词的时空兴趣点之间的时空关系。然后将STIPsMI描述符与优化后的BOVW直方图级联,作为视频序列最终的描述符。最后在两个主流的数据集KTH与UCF sports对该算法进行评估。实验结果表明,提出的时空特征描述符在行为识别准确率上优于BOVW模型与其他主流方法。
|
| 关 键 词： | 行为识别 视觉词袋 词频-逆向文件频率 共生矩阵 互信息 |
| 收稿时间： | 2018/2/10 0:00:00 |
| 修稿时间： | 2018/4/12 0:00:00 |
Optimization of Behavior Recognition Algorithm based on Low - level Feature Modeling |
| |
| Liuyun,YangJianbin and.Optimization of Behavior Recognition Algorithm based on Low - level Feature Modeling[J].Science Technology and Engineering,2018,18(21). |
| |
| Authors: | Liuyun YangJianbin and |
| |
| Institution: | Institute of Informatics, Qingdao University of Science and Technology,, |
| |
| Abstract: | |
| |
| Keywords: | Action recognition Bag of visual words tf-idf Co-occurrence matrix Mutual information |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|
