[发明专利]一种基于视频局部特征字典的人体动作分类方法

摘要

本发明公开了一种基于视频局部特征字典的人体动作分类方法，首先从具有类别标签的训练视频中提取局部特征，每段视频中的特征向量集合构成一个特征包；将特征包进行分组，利用多示例学习方法学习局部特征分类器，多示例学习中采用交叉验证的方式，并且更新正示例时只将每个包中排名最大的多个示例标记为正示例；将学习到的分类器作为特征编码的字典，利用最大池化法对局部特征响应进行池化得到视频的全局向量表达；最后利用全局特征向量进行学习，得到每个动作类别的分类器，利用该分类器对新的视频中的动作进行分类。本发明有利于提升估计的准确性，避免分类对初始值的记忆；同时保证了估计的正样本的正确率。

主权项

一种基于视频局部特征字典的人体动作分类方法，其特征在于，包括以下步骤：步骤1：从具有动作类别标签的视频片段中提取局部特征向量，每段视频对应一个局部特征向量集合，将每个集合作为一个示例包，包标签为动作类别；步骤2：将其中一类动作为正示例包集合，其余类别作为为负示例集合，并将正示例包分为多组；步骤3：采用基于交叉验证策略的多示例学习方法获得一个局部特征向量分类器；步骤4：循转执行步骤3，直到达到设定的最大循环次数，得到每个动作类别对应的多个局部特征向量分类器；步骤5：将步骤4学习的分类器作为字典，对视频的局部特征集合进行池化得到全局向量表达；步骤6：利用训练视频的全局表达向量学习全局特征向量分类器；步骤7：利用步骤6学习到的分类器对预测视频进行类别判定。