采用PHOG融合特征和多类别Adaboost分类器的行为识别

作者：马世伟; 刘丽娜; 傅琪; 温加睿

来源：光学精密工程, 2018, 26(11): 2827-2837.

• 人体行为识别
• 平均运动能量图
• 增强运动能量图
• 分层梯度方向直方图特征
• 查找表型Real Adaboost

为了解决类能量图易受人体运动时间和位置移动等因素影响而难以有效描述动作细节特征的问题,本文提出了一种基于类能量图金字塔梯度直方图(PHOG)融合特征和多类别Adaboost分类器的人体行为识别方法。该方法首先对经过躯体配准的运动人体目标轮廓图像构造平均运动能量图(AMEI)和增强的运动能量图(EMEI),分别提取其分层梯度方向直方图(PHOG)特征并进行串联融合,作为一种多层次的行为特征描述;然后使用基于查找表的LUT-Real Adaboost算法设计多类别分类器,实现图像中人体行为动作的识别。实验结果显示其在典型的人体动作数据集DHA上的正确识别率达97.6%,高于其它采用单一特征描述和SVM等分类器的方法。表明该方法将整体与局部特征相结合,可以有效描述不同尺度下的动作细节特征,增强了人体行为特征的描述能力,提高了识别性能。

• 单位
  电子工程学院; 上海大学; 自动化学院; 山东理工大学