基于时空特征点的非监督姿态建模和行为识别的算法研究

王传旭; 刘云; 厉万庆

您当前的位置：

首页 >

文章列表页 >

基于时空特征点的非监督姿态建模和行为识别的算法研究

学术论文 | 更新时间：2025-07-16

- 基于时空特征点的非监督姿态建模和行为识别的算法研究
- Research of Unsupervised Posture Modeling and Action Recognition Based on Spatial-Temporal Interesting Points
- 电子学报 2011年39卷第8期页码：1751-1756
- 作者机构：
  
  1. 青岛科技大学信息学院,山东,青岛,266061
  2. School of Computer Science and Software Engineering,University of Wollongong,NSW,Australia,2522
  3. 青岛科技大学信息学院山东青岛,266061
  4. School of Computer Science and Software EngineeringUniversity of WollongongNSWAustralia,2522
- 作者简介：
- 基金信息：
  
  山东省自然科学基金 (No.ZR2010FL007);山东省高等学校科技计划项目 (No.J10LG23)
- DOI：
  中图分类号： TP301.6
- 纸质出版：2011
- 稿件说明：
移动端阅览
王传旭, 刘云, 厉万庆. 基于时空特征点的非监督姿态建模和行为识别的算法研究[J]. 电子学报, 2011,39(8):1751-1756.

WANG Chuan-xu, LIU Yun, LI Wan-qing. Research of Unsupervised Posture Modeling and Action Recognition Based on Spatial-Temporal Interesting Points[J]. Acta Electronica Sinica, 2011, 39(8): 1751-1756.
王传旭, 刘云, 厉万庆. 基于时空特征点的非监督姿态建模和行为识别的算法研究[J]. 电子学报, 2011,39(8):1751-1756. DOI：

WANG Chuan-xu, LIU Yun, LI Wan-qing. Research of Unsupervised Posture Modeling and Action Recognition Based on Spatial-Temporal Interesting Points[J]. Acta Electronica Sinica, 2011, 39(8): 1751-1756. DOI：

摘要

姿态建模是行为描述和识别的关键环节

提出了基于时空特征点的姿态建模方法.提取样本库中姿态的时空特征点作为底层特征

一个姿态对应一个时空特征点集合;采用非监督分类方法对姿态样本归类

获得典型姿态的聚类结果

每个典型姿态类别采用基于EM的高斯混合模型进行建模.计算各典型姿态间的转移概率

建立状态已知的描述人类多种行为的VMM模型

实现对行为的描述.针对行为识别问题

提出将汉字分词的二元语法模型应用于行为识别.实验证明该算法具有计算复杂度低、鲁棒性强等优点.

Abstract

Posture modeling is critical for action description and recognition

a posture modeling and action recognition method is proposed in this paper.Spatial Temporal Interesting Points (STIPs) are extracted from learning samples

in fact

one posture consists of a set of STIPs;a unsupervised clustering method is adopted to classify salient postures from these posture samples

then a GMM model is established for each clustering result;transitional probability among salient postures are calculated

and a Visible state Markov Model(VMM) is learnt to describe various actions.Bi

gram method is put forward for action recognition

Extensive experiments are conducted and the results prove its robustness and validity.

关键词

Keywords

references

浏览量

1719

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于增强时空图卷积网络的骨架行为识别

3D多支路聚合轻量网络视频行为识别算法研究

行为识别中一种基于融合特征的改进VLAD编码方法

基于深度学习和智能规划的行为识别

基于循环区域关注和视频帧关注的视频行为识别网络设计