加权HOG与特征融合行为识别方法研究

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据
维普

中文摘要：人体行为识别作为计算机视觉领域的重要核心,丰富行为特征表达是提高行为识别准确率的关键之一.方向梯度直方图(HOG)特征与尺度不变特征变换(SIFT)的融合特征可以很好地表征人体目标的静态外观信息,但缺乏对动态信息的表述,因此提出一种用光流场强度对HOG特征进行加权,再与SIFT特征进行融合形成新的改进融合特征,最后利用分类器中的支持向量机(SVM)完成特征分类的行为识别方法.基于MATLAB平台,在标准数据集KTH上验证该算法的有效性.实验结果表明,该算法的行为识别准确率为93.1％,识别效果明显好于传统的单一特征算法,较未加权特征融合方法的识别率提高了1.4％左右,对尺度缩放、亮度等变化也具有很好的鲁棒性,在视频人体动作领域具有较高应用价值.

外文标题：Research on Action Recognition Based on Weighted HOG and Features Fusion

作者：

宋琳、刘永涛

展开 >

作者单位：

南京邮电大学通信与信息工程学院,江苏南京210003

关键词：

行为识别光流强度加权方向梯度直方图特征融合支持向量机

出版年：

2021

DOI：

10.11907/rjdk.211136