视频序列中的行为识别建模研究

　　视频序列中行为识别的研究是当前的一个研究热点，应用前景广阔，在医疗看护、视频监控、安保、视频检索以及运动分析等方面已经步入实用化。但由于视频本身包含了丰富的信息，且实际应用场景下背景糟杂、视角多变以及行为本身的歧义性，行为识别的研究存在着诸多挑战，需要进一步的深入研究。 本文的主要工作围绕着如何表示视频中的行为展开，包含三个方面，一是研究从底层特征中提取中层特征表示问题；二是从行为相似的角度来研究行为的表示；三是从特征的统计分布出发研究特征的编码表示方法。总之，基于手工设计的特征，本文从多个角度来改进底层特征的表示能力，进而提升分类识别性能

　　徐勤军（1975.8～ ），男，山东新泰人，东南大学信息与通信系统专业博士，闽南师范大学讲师，主持福建省自然科学基金（2018J01552），福建省教育厅科研项目（JA15309）各一项，研究方向为计算机视觉，模式识别。

目录
章绪  论................................................................................1
一、研究背景与意义......................................................................1
二、国内外研究现状......................................................................5
（一）行为识别的特征表示.............................................................9
（二）分类识别方法.....................................................................21
三、视频序列的行为识别建模的技术难点....................................30
四、行为识别视频数据库.............................................................33
（一）单人行为数据库..................................................................34
（二）复杂行为数据库..................................................................35
五、主要工作................................................................................39
六、本书组织结构........................................................................41
第二章概率隐含语义分析模型的行为识别研究.............................43
一、引言.......................................................................................43
二、主题模型在行为识别中的应用...............................................45
（一）主题模型............................................................................45
（二）主题模型在行为识别中的应用.............................................48
三、评估方法................................................................................50
（一）特征提取和表示..................................................................50
（二）特征编码与归一化..............................................................52
（三）PLSA模型设置....................................................................53
四、实验结果与分析.....................................................................54
（一）KTH数据库的实验结果........................................................55
（二）UT-interaction数据库的实验结果.....................................61
五、结果分析与讨论.....................................................................72
六、本章小结................................................................................74
第三章行为相似度识别的过完备稀疏方法....................................75
一、引言.......................................................................................75
二、相关研究................................................................................77
三、基于高斯混合模型的过完备稀疏方法....................................80
（一）特征提取............................................................................81
（二）高斯混合模型.....................................................................82
（三）字典学习与稀疏编码...........................................................84
（四）概率加权的池化表示...........................................................85
四、实验结果与分析.....................................................................87
（一）实验设置............................................................................87
（二）参数选择............................................................................87
（三）不同特征描述符的性能比较................................................90
（四）与主流算法的性能比较.......................................................92
（五）结果分析与讨论..................................................................93
五、本章小结................................................................................98
第四章基于费舍尔向量和局域聚合描述符向量编码的行为识别
    方法....................................................................................100
一、特征编码方法......................................................................100
二、费舍尔向量和局域聚合描述符向量编码..............................104
（一）费舍尔向量编码................................................................104
（二）局域聚合描述符向量编码..................................................106
（三）单词包、费舍尔向量和局域聚合描述符向量编码的关系
...................................................................................................107
三、基于软分配的局域聚合描述符向量编码..............................108
四、联合高阶矩的费舍尔向量编码.............................................110
五、实验结果与分析...................................................................113
（一）实验设置...........................................................................113
（二）主成分分析影响................................................................115
（三）基于软分配的局域聚合描述符向量编码的实验结果............116
（四）联合高阶矩的费舍尔向量方法的实验结果..........................119
（五）结果分析与讨论................................................................124
六、本章小结..............................................................................126
第五章基于时空信息的超向量编码行为识别方法.......................127
一、引言.....................................................................................127
二、基于时空信息的超向量编码方法.........................................130
三、实验结果与分析...................................................................133
（一）KTH数据库上的实验结果...................................................135
（二）UCFsports数据库上的实验结果.......................................137
（三）UCF101数据库上的实验结果..............................................139
（四）实验结果分析....................................................................143
四、本章小结..............................................................................149
第六章总结与展望.........................................................................150
一、总结.....................................................................................150
二、展望.....................................................................................152
参加的科研项目和获得的奖励.........................................................154
参考文献155