基于模糊积分融合的复杂场景下人体行为识别

华南理工大学学报(自然科学版) ›› 2012, Vol. 40 ›› Issue (1): 146-151.

基于模糊积分融合的复杂场景下人体行为识别

吴秋霞邓飞其康文雄^†

华南理工大学自动化科学与工程学院，广东广州 510640

收稿日期:2011-06-07 修回日期:2011-09-27 出版日期:2012-01-25 发布日期:2011-12-01
通信作者: 康文雄(1976-) ，男，博士，讲师，主要从事计算机视觉及生物特征识别研究．E-mail:auwxkang@scut.edu.cn E-mail:wutong_924@163.com
作者简介:吴秋霞(1983-) ，女，博士生，主要从事计算机视觉方面的研究．
基金资助:
国家自然科学基金资助项目( 60874114， 61105019) ; 广东省自然科学基金资助项目( S2011040002474) ; 广东省科技计划项目( 2011B010200023) ; 广东省教育部产学研结合项目( 2011B090400564) ; 华南理工大学中央高校基本科研业务费专项资金资助项目( 2012ZZ0108)

Human Action Recognition in Complex Scenes Based on Fuzzy Integral Fusion

Wu Qiu-xia Deng Fei-qi Kang Wen-xiong

School of Automation Science and Engineering,South China University of Technology,Guangzhou 510640,Guangdong,China

Received:2011-06-07 Revised:2011-09-27 Online:2012-01-25 Published:2011-12-01
Contact: 康文雄(1976-) ，男，博士，讲师，主要从事计算机视觉及生物特征识别研究．E-mail:auwxkang@scut.edu.cn E-mail:wutong_924@163.com
About author:吴秋霞(1983-) ，女，博士生，主要从事计算机视觉方面的研究．
Supported by:
国家自然科学基金资助项目( 60874114， 61105019) ; 广东省自然科学基金资助项目( S2011040002474) ; 广东省科技计划项目( 2011B010200023) ; 广东省教育部产学研结合项目( 2011B090400564) ; 华南理工大学中央高校基本科研业务费专项资金资助项目( 2012ZZ0108)

摘要/Abstract

摘要： 利用局部特征描述符来表征视频中一系列关键点的方法已被广泛应用于识别复杂场景下的人体行为，但这些关键点之间隐含的结构化的位置关系目前并未得到有效表征．为此，文中首先采用尺度不变的关键点的检测子和3D-Harris 检测子检测视频样本中的局部关键点，结合已有的局部特征描述符和形状描述符来表征关键点位置之间结构化的信息，然后利用bag-of-features 模型来计算这些特征的分布，再通过模糊积分对这些局部特征进行有效融合，并给出具体的算法描述．在具有复杂场景的YouTube 数据集下的实验表明，所提出的局部特征表征方法能够更有效地表征复杂场景中的人体行为，模糊积分融合方法可有效进行决策层融合．

关键词: 人体行为识别, 形状描述符, 局部特征, 模糊积分融合

Abstract:

The approach to representing a series of key points in videos by using local feature descriptors has been widely applied to the recognition of human action in complex scenes. However,the important structural information among the key points has not been investigated yet. In this paper,first,a scale-invariant key point detector and a 3D-Harris detector are used to find the local key points in video samples. Next,the existing local feature descriptor and shape descriptor are employed to describe the structural information about the positions of the key points. Then,the bag-of-features model is utilized to calculate the distribution of the features. Finally,the fuzzy integral scheme is used to fuse the local features,with the corresponding algorithm being also described. It is found form the experiments on the YouTube dataset in complex scenes that the proposed approach to local feature description effectively represents the human action in complex scenes,and that the fuzzy integral fusion scheme is effective in integrating the advantages of the descriptors on the decision level.

Key words: human action recognition, shape descriptor, local feature, fuzzy integral fusion

吴秋霞邓飞其康文雄. 基于模糊积分融合的复杂场景下人体行为识别[J]. 华南理工大学学报(自然科学版), 2012, 40(1): 146-151.

Wu Qiu-xia Deng Fei-qi Kang Wen-xiong. Human Action Recognition in Complex Scenes Based on Fuzzy Integral Fusion[J]. Journal of South China University of Technology(Natural Science Edition), 2012, 40(1): 146-151.

[1]	吕钊陆雨周蚌艳吴小培. 基于独立分量分析的扫视信号样本优化算法[J]. 华南理工大学学报（自然科学版）, 2016, 44(9): 32-40.
[2]	朱明梁栋范益政张艳颜普. 基于谱特征的图像匹配算法[J]. 华南理工大学学报（自然科学版）, 2015, 43(9): 60-66.
[3]	谭飞刚刘伟铭. 多部件验证的双层行人检测算法[J]. 华南理工大学学报（自然科学版）, 2015, 43(1): 79-86.