显著性检测与稠密轨迹:提升人体行为识别的性能
需积分: 9 129 浏览量
更新于2024-09-05
1
收藏 950KB PDF 举报
本文主要探讨了"基于显著性检测和稠密轨迹的人体行为识别"这一研究领域。在当前计算机视觉的热门话题——人体行为识别中,研究人员针对传统稠密轨迹方法存在的问题进行了改进。稠密轨迹通常通过密集采样视频帧中的特征点,计算轨迹位移向量和多种特征直方图(如HOG、HOF和MBH)来捕捉动作信息,但这会导致特征维度高、计算量大,且容易包含大量无关的背景信息,影响识别效率和准确性。
文章的创新之处在于提出了一种新的方法。首先,通过对视频帧进行多尺度静态显著性检测,确定动作主体的位置,这有助于减少无关背景的干扰。接着,作者将静态显著性和动态显著性检测的结果融合,精确地定位主体动作区域,从而限制特征提取的范围,降低计算负担。
为了进一步增强特征表达的充分性,该研究采用了Fisher Vector(FV)替代传统的词袋模型。Fisher Vector是一种统计学方法,能够更好地捕获特征之间的潜在语义关系,提高特征描述的区分度。这种方法可以更好地保留特征间的结构信息,有助于提高识别精度。
最后,作者利用支持向量机(SVM)作为分类器,对改进后的稠密轨迹特征进行人体行为识别。通过在KTH数据集和UCF Sports数据集上的仿真实验,结果显示,相比于原始的稠密轨迹方法,该算法在保持高精度的同时,显著提高了识别的效率和鲁棒性。
这篇论文通过引入显著性检测和优化特征表示技术,有效解决了稠密轨迹方法在人体行为识别中的局限性,为该领域的研究提供了一个实用且高效的新思路。这对于高级人机交互、智能驾驶辅助系统、体育运动分析和智能视频监控等多个应用场景具有实际意义。
2019-09-10 上传
2021-09-19 上传
点击了解资源详情
weixin_38743481
- 粉丝: 696
- 资源: 4万+
最新资源
- ES管理利器:ES Head工具详解
- Layui前端UI框架压缩包:轻量级的Web界面构建利器
- WPF 字体布局问题解决方法与应用案例
- 响应式网页布局教程:CSS实现全平台适配
- Windows平台Elasticsearch 8.10.2版发布
- ICEY开源小程序:定时显示极限值提醒
- MATLAB条形图绘制指南:从入门到进阶技巧全解析
- WPF实现任务管理器进程分组逻辑教程解析
- C#编程实现显卡硬件信息的获取方法
- 前端世界核心-HTML+CSS+JS团队服务网页模板开发
- 精选SQL面试题大汇总
- Nacos Server 1.2.1在Linux系统的安装包介绍
- 易语言MySQL支持库3.0#0版全新升级与使用指南
- 快乐足球响应式网页模板:前端开发全技能秘籍
- OpenEuler4.19内核发布:国产操作系统的里程碑
- Boyue Zheng的LeetCode Python解答集