论文研究 基于显著性检测和稠密轨迹的人体行为识别.pdf

稠密轨迹的人体行为识别对每一帧全图像密集采样导致特征维数高、计算量大且包含了无关的背景信息。提出基于显著性检测和稠密轨迹的人体行为识别方法。首先对视频帧进行多尺度静态显著性检测获取动作主体位置，并与对视频动态显著性检测的结果线性融合获取主体动作区域，通过仅在主体动作区域内提取稠密轨迹来改进原算法；然后采用Fisher Vector取代词袋模型对特征编码增强特征表达充分性；最后利用支持向量机实现人体行为识别。在KTH数据集和UCF Sports数据集上进行仿真实验，结果表明改进的算法相比于原算法识别准确率有所提升。