基于时空与或图模型的视频人体动作识别方法

• 作 者: 易唐唐
• 机 构: 湖南女子学院信息技术系,长沙,410004
• 出 处: 控制工程
• 发表日期: 2017年09期
• 关键词: Human action recognition and-or graph model pose estimation latent SVM ST featur

针对视频中的人体动作识别问题,提出一种基于时空与或图(AOG)模型的人体动作识别方法,将动作识别和姿态估计共同建模在一个时空AOG模型中。首先,将动作分解为姿态,进一步将姿态分解为多个时空(ST)部件,再将ST-部件分解为多个子部件,从而形成三层模型;然后,在三层上分别提取粗级、中级和细级特征;最后,分别学习3个级别上的模型参数,训练隐含参数支持向量机(Latent SVM)分类器,实现动作识别。通过大型数据集的测试以及与几种最新方法的比较,证明了该方案的有效性,识别精度能够达到94%左右。