动作识别中局部时空特征的运动表示方法研究

doi:10.3778/j.issn.1002-8331.2010.34.003

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (34): 7-10.DOI: 10.3778/j.issn.1002-8331.2010.34.003

动作识别中局部时空特征的运动表示方法研究

雷庆^1，2，3，李绍滋^1，2

1.厦门大学智能科学与技术系，福建厦门 361005
2.厦门大学福建省仿脑智能系统重点实验室，福建厦门 361005
3.华侨大学计算机科学与技术学院，福建厦门 361021

收稿日期:2010-08-09 修回日期:2010-10-25 出版日期:2010-12-01 发布日期:2010-12-01
通讯作者: 雷庆

Research on local spatio-temporal features for action recognition

LEI Qing^1，2，3，LI Shao-zi^1，2

1.Department of Cognitive Science，Xiamen University，Xiamen，Fujian 361005，China
2.Fujian Key Laboratory of the Brain-like Intelligent Systems，Xiamen University，Xiamen，Fujian 361005，China
3.College of Computer Science and Technology，Huaqiao University，Xiamen，Fujian 361021，China

Received:2010-08-09 Revised:2010-10-25 Online:2010-12-01 Published:2010-12-01
Contact: LEI Qing

摘要/Abstract

摘要： 近年来，基于局部时空特征的运动表征方法已被越来越多地运用于视频中的动作识别问题，相关研究人员已经提出了多种特征检测和描述方法，并取得了良好的效果。但上述方法在适应摄像头移动、光照以及穿着变化等方面还存在明显不足。为此，提出了基于时空兴趣点局部时空特征的运动表示方法，实现了基于时空单词的动作识别。首先采用基于Gabor滤波器和Gaussian滤波器相结合的检测算法从视频中提取时空兴趣点，然后抽取兴趣点的静态特征、运动特征和时空特征，并分别对运动进行表征，最后利用基于时空码本的动作分类器对动作进行分类识别。在Weizmann和KTH两个行为数据集进行了测试，实验结果表明：基于时空特征的运动表示能够更好地适应摄像头移动、光照变化以及施动者的穿着和动作差异等环境因素的影响，取得更好的识别效果。

关键词: 时空特征, 时空兴趣点, 运动表征, 动作识别

Abstract: Local spatio-temporal features have become a popular video representation for action recognition in recent years.Several methods for feature detection and description have been proposed in the literature and promising recognition results are demonstrated for a number of action classes.This paper employs the motion representation based on space-time interest points and implements action recognition method based on spatio-temporal codebook and words.Firstly，accurate interests points detectes from videos taking advantage of Gabor and Gaussian mixture filtering，then three kinds of local features：histogram of gradient，histogram of flow and histogram of space-time gradient are extracted as 3DSIFT to describe interest points.K-means cluster algorithm performs on features and learns the spatial-tempoal codebook.Finally a standard bag-of-features SVM approach is used for action recognition.The performance is investigated on a total of 16 action classes distributed over two datasets with varying difficulty.Experiment results demonstrate that features combined spatial with temporal information can well adapted to complex environment such as camera movement，illumination changes and different clothing in realistic settings and achieve better recognition performance.

Key words: spatio-temporal feature, space-time interest point, motion representation, action recognition

中图分类号:

TP391.4

雷庆^1，2，3，李绍滋^1，2. 动作识别中局部时空特征的运动表示方法研究[J]. 计算机工程与应用, 2010, 46(34): 7-10.

LEI Qing^1，2，3，LI Shao-zi^1，2

. Research on local spatio-temporal features for action recognition[J]. Computer Engineering and Applications, 2010, 46(34): 7-10.

[1]	陈艳杰，舒大伟，杨吉江，王欢，王青，雷毅. 儿童运动协调障碍AI诊断系统研究综述[J]. 计算机工程与应用, 2021, 57(2): 28-36.
[2]	周小静，陈俊洪，杨振国，刘文印. 基于手势特征融合的操作动作识别[J]. 计算机工程与应用, 2021, 57(14): 169-175.
[3]	张力为，王甦菁，段先华. 细粒度分层时空特征描述符的微表情识别方法[J]. 计算机工程与应用, 2021, 57(13): 154-160.
[4]	刘婧，杨旭，刘董经典，牛强. 基于人体关节点的多人吸烟动作识别算法[J]. 计算机工程与应用, 2021, 57(1): 234-241.
[5]	桂智明，李壮壮，郭黎敏. 基于ACGRU模型的短时交通流预测[J]. 计算机工程与应用, 2020, 56(21): 260-265.
[6]	梁华刚，王亚茹，张志伟. 基于Res-Bi-LSTM的人脸表情识别[J]. 计算机工程与应用, 2020, 56(13): 204-209.
[7]	桑海峰，田秋洋. 面向人机交互的快速人体动作识别系统[J]. 计算机工程与应用, 2019, 55(6): 101-107.
[8]	盖赟1，荆国栋2. 多尺度方法结合卷积神经网络的行为识别[J]. 计算机工程与应用, 2019, 55(2): 100-103.
[9]	杨世强，罗晓宇，李小莉，杨江涛，李德信. 基于DBN-HMM的人体动作识别[J]. 计算机工程与应用, 2019, 55(15): 169-176.
[10]	赵晓丽，田丽华，李晨. 基于稀疏编码局部时空描述子的动作识别方法[J]. 计算机工程与应用, 2018, 54(7): 29-35.
[11]	朱大勇1，2，郭星1，2，吴建国1，2. 基于kinect三维骨骼节点的动作识别方法[J]. 计算机工程与应用, 2018, 54(20): 152-158.
[12]	陈睿敏1，2，孙胜利1，廖星星1. 基于TLSHOG特征新方法的动态手势识别[J]. 计算机工程与应用, 2018, 54(13): 142-147.
[13]	周鑫燚，甘胜江，孙连海，匡胤. 改进联合彩色和深度图像特征的人体行为识别[J]. 计算机工程与应用, 2017, 53(8): 180-185.
[14]	刘锦怡1，张乐1，2，胡海波1，2，朱贺3. 强鲁棒性的可穿戴传感器的人体动作识别方法[J]. 计算机工程与应用, 2017, 53(4): 176-183.
[15]	王松，党建武，王阳萍，杜晓刚. 实时动作识别方法研究[J]. 计算机工程与应用, 2017, 53(3): 28-31.

动作识别中局部时空特征的运动表示方法研究

Research on local spatio-temporal features for action recognition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics