局部證據(jù)RBF人體行為高層特征自相似融合識別研究

蔣加伏++趙怡?k

摘要：針對傳統(tǒng)人體動作識別算法，往往重點解決某一類行為識別，不具有通用性的問題，提出一種局部證據(jù)RBF人體行為高層特征自相似融合識別算法。首先，借用隨時間變化的廣義自相似性概念，利用時空興趣點光流場局部特征提取方法，構(gòu)建基于自相似矩陣的人體行為局部特征描述；其次，在使用SVM算法進行獨立個體行為識別后，利用所提出的證據(jù)理論RBF（Radial Basis Function）高層特征融合，實現(xiàn)分類結(jié)構(gòu)優(yōu)化，從而提高分類準確度；仿真實驗表明，所提方案能夠明顯提高人體行為識別算法效率和識別準確率。

關(guān)鍵詞：局部特征描述；證據(jù)理論；RBF網(wǎng)絡(luò)；自相似；高層特征融合

中圖分類號：TP39文獻標識碼：A

1概述

近年來，人體行為識別已得到廣泛應(yīng)用，特別是在醫(yī)療診斷、視覺監(jiān)控等領(lǐng)域[1]。該算法主要涉及到人體運動檢測/估計，身體和手腳跟蹤以及行為理解等三個方面，本文研究重點研究人體行為活動的識別和描述 [2]。識別過程為：傳感器信息獲取、特征描述、行為識別三個過程。

在普適計算應(yīng)用方面，常用方法有三種：一是外部傳感器，如文獻[3]接觸式紅外壓力式傳感器組合；二是可穿戴傳感器，如文獻[4]基于穿戴RFID對人體行為進行捕獲判定；三是環(huán)境監(jiān)測傳感器，主要有溫度、濕度及光照傳感器等，通常作為補充[5]。外部傳感器使用方便，輻射小，應(yīng)用最為廣泛。

在人體特征表示上通常分為：全局和局部特征兩種。在全局特征描述中，對整個視頻上對人體行為進行特征提取，然后進行相似性識別。如文獻[6]改進方向全局人體行為特征描述，可對形狀相近的人體行為進行有效識別。在局部特征描述中，方法是在視頻序列中，提取人體行為的局部特征，利用直方圖或者時序模型構(gòu)建人體行為特征，如文獻[7]三維梯度直方圖人體行為局部特征描述。相對于全局特征描述，局部特征描述優(yōu)點在于能夠更為有效地對時域和空域信息進行融合。

在完成局部的人體行為特征描述后，進行的人體行為識別，常用的方法有距離匹配和狀態(tài)空間法。狀態(tài)空間法對人體行為進行直接建模，能夠?qū)θ梭w行為時序信息進行充分利用，不足之處是算法的控制參數(shù)較多。而距離匹配雖簡單，但未考慮人體行為動態(tài)過程，因此算法的識別率相對較低[8]。

綜合上述分析，本文構(gòu)建自相似矩陣人體行為局部特征描述，并設(shè)計證據(jù)理論RBF高層特征融合算法，實現(xiàn)人體行為識別分類結(jié)構(gòu)優(yōu)化。

4實驗與分析

本節(jié)實驗基于KTH數(shù)據(jù)庫及較復(fù)雜的多視角MuHAViMAS14數(shù)據(jù)庫進行實驗。硬件條件：CPU：I5-4590，3.3GHz；內(nèi)存：金士頓ddr3 1600，4GHz。

對比算法：文獻[11]局部SVM算法（LSVM），文獻[12]動態(tài)貝葉斯算法（DBN），文獻[13]單純時空興趣點特征提取SVM算法（STIPSVM）。

仿真指標選取平均預(yù)測精度mAP，可定義如下：

AP=Numar/Numtar·Numtra （19）

式中，Numar為獲取數(shù)量；Numtar為行為總數(shù)；Numtra為人體行動總數(shù)。

KTH數(shù)據(jù)庫：該數(shù)據(jù)庫有6種人體行為：行走、慢跑、快跑、拳擊、擺手、拍手，如圖5所示。KTH數(shù)據(jù)庫含有2391幅不同人體行為圖像。

每種人體動作行為各選取該動作行為圖像總數(shù)量的1/4作為訓練數(shù)據(jù)集。算法各運行30次，上述6種人體行為的平均預(yù)測精度mAP值見表1所示。

從表1中可看出，上述算法均能對KTH數(shù)據(jù)庫進行較有效識別，平均識別精度在70%以上。其中對比算法在行走、慢跑、快跑三種行為的識別率偏低，原因是這三種人體行為存在邊界交叉，因此三種算法在對其進行識別時，識別率偏低，平均在71%～77%之間。而在區(qū)別較大的拳擊、擺手、拍手三種行為中，這三種算法識別率能達到82%～89%間。本文所提算法識別率均明顯好于對比算法，能達到90%～96%之間，顯示了算法良好識別能力。為更清晰對比，平均預(yù)測精度和運行時間曲線如圖6所示。采用本文算法獲得的混淆矩陣如圖7所示。

從圖6可看出，在預(yù)測精度上，本文算法要始終高于對比算法，保持在90%以上，而對比算法識別率互有高低，保持在70%～90%之間；在算法運行時間上，本文算法的運行時間最短，保持在7s～9s之間，其次是DBN算法，運行時間在10s～11.5s之間，其余兩種算法因用到SVM算法，運行時間相近，保持在14s～18s間。從圖7混淆矩陣可看出，本文算法除在個別行為間達到15%混淆概率外，其他行為間的混淆比例很低，說明識別效果很好。

MuHAViMAS14數(shù)據(jù)庫：該數(shù)據(jù)庫作為較復(fù)雜測試對象，來進一步驗證本文算法的性能有效性。該數(shù)據(jù)庫中一共含有14種人體行為，分別進行編碼{a，b，c，d，e，f，g，h，i，j，k，l，m，n}。該數(shù)據(jù)庫示例圖片如圖8所示。該數(shù)據(jù)庫由兩個人在兩個視角下完成，視角分別為：正面和45度角。這兩個視角下各有68個視頻，包含角度和動作的變化，識別難度大。對比算法同上，仿真指標選取上述14種人體行為識別率均值（運行30次），計算方法參見公式（19）。對比結(jié)果如表2所示，表2同時給出算法30次運行時間均值。圖9給出算法混淆矩陣。

表2給出對比算法在MuHAViMAS14數(shù)據(jù)庫中14種人體行為的平均識別率結(jié)果，從圖中可明顯看出，本文算法在更為復(fù)雜的數(shù)據(jù)庫上的識別率雖有所降低，但仍然保持在80%以上識別率，而對比算法的識別率均出現(xiàn)大幅降低，僅能保證60%多的識別率。在算法運行時間方面，本文算法的運行時間需要17.3s比KTH數(shù)據(jù)庫要長1倍左右，而對比算法的運行時間均在30s左右。

圖9給出本文算法在MuHAViMAS14數(shù)據(jù)庫中獲取的混淆矩陣，從該矩陣中可看出，在個別行為之間存在較大混淆概率，比如在人體行為f與人體行為h之間存在25%的混淆概率，在g與h之間也存在25%的混淆概率等，比在KTH數(shù)據(jù)庫上的混淆概率要高很多。

5結(jié)束語

針對傳統(tǒng)人體動作識別算法識別率不高的問題，提出一種局部證據(jù)RBF人體行為高層特征自相似融合識別算法，進行有效解決，實驗結(jié)果顯示，本文算法在識別率和收斂速度上均要好于對比算法。存在的不足是，在復(fù)雜的多視角MuHAVi-MAS14數(shù)據(jù)庫上個別人體行為間的混淆概率值依然較高，仍然存在較大的提升空間。

參考文獻

[1]MEDINA J R， LORENZ T， HIRCHE S. Synthesizing Anticipatory Haptic Assistance Considering Human Behavior Uncertainty[J]. IEEE Transactions on Robotics， 2015， 31（1）： 180-190.

[2]田國會， 尹建芹， 韓 旭. 一種基于關(guān)節(jié)點信息的人體行為識別新方法[J]. 機器人， 2014， 36（3）： 285-291.

[3]Gu Tao，Wang Liang，Wu Zhanqing. A pattern mining approach to sensor—based human activity recognition[J].IEEE Transactions on Knowledge and Data Engineering， 2013， 23（9）： 1359-1372.

[4]STIKIC M， HUYNH T， LAERHOVEN K V.ADL recognition based on the combination of RFID and aceelerometer sensing[C]. //Proceedings of the International Conference of Pervasive Computing Technologies for Heahhcare， Tampere， Finland， 2008， pp. 245-250.

[5]PHILIPOSE M， FISHKIN K P， PERKOWITZ M. Inferring activities from interactions with objects[J]. IEEE Pervasive Computing， 2004， 3（4）： 50-57.

[6]CAI J X， FENG G C， TANG X. Human action recognition using oriented holistic feature[C]. // 20th IEEE International Conference on Image Processing， USA， IEEE， 2013， pp. 2420-2424.

[7]ALEXANDER K，MARCIN M， CORDELIA S. A spatiotemporal descriptor based on 3dgradients[C]. //British Machine Vision Conference， IEEE Computer Society， 2008， 995-1004.

[8]蔡加欣， 馮國燦， 湯鑫. 基于局部輪廓和隨機森林的人體行為識別[J]. 光學學報， 2014， 34（10）： 1-10.

[9]JUNEJO I N， DEXTER E， Laptev I. Crossview action recognition from temporal self similarities[J]. //Proceedings of the European conference on computer vision， USA， IEEE， 2008， pp. 293-306.

[10]BARRI A， DOOMS A， JANSEN B. A Locally Adaptive System for the Fusion of Objective Quality Measures[J]. IEEE Transactions on Image Processing， 2014， 23（6）： 2446-2458.

[11]SCHULDT C， LAPTEV I， CAPUTO B. Recognizing human actions： a local SVM approach[C]. //Proceedings of the international conference on pattern recognition， USA， IEEE， 2004：32-36.

[12]NIEBLES J C， WANG H， LI F F. Unsupervised learning of human action categories using spatial-temporal words[C]. //British machine vision conference， Copper Mountain， IEEE，2006：22-28.

[13]WONG S F，CIPOLLA R. Extracting spatio-temporal interest points using global information[C]. //IEEE conference on computer vision and pattern recognition. Rio de Janeiro， IEEE，2007：1-8.