視頻中人體行為預測的方法研究.pdf

1、稀疏數(shù)據(jù)背景下的人體行為預測在現(xiàn)實生活中存在著廣泛的應用場景，不僅可以在部分數(shù)據(jù)丟失的情況推測事情的發(fā)生過程幫助還原事件真相，也可以在異常行為發(fā)生前期預測其后果，防忠于未然。人體行為預測通過對正在進行中的行為進行早期推斷，僅利用已觀測的部分行為數(shù)據(jù)進行分析，預測出即將完成的行為類別。然而當前國內外對視頻中人體行為預測的研究工作較少，尤其在不完整數(shù)據(jù)的情況下，本文主要針對預測模型的實時性和特征優(yōu)化問題兩方面進行研究，主要工作如下:

2、　　第一，為解決利用有限的目標觀測視頻數(shù)據(jù)對行為類別進行實時推斷，使其在計算資源受約束時，均衡預測精度和實時性，本文提出一種基于稀疏編碼和滑動窗口策略的SCSW預測算法。通過將每種行為分成多個有序的子片段，提取訓練視頻子片段的時空特征作為基向量，并使用稀疏編碼對其重構，運用滑動窗口的策略，依次計算窗口內目標觀測視頻子片段與訓練視頻對應子片段之間的相似度。最后聯(lián)合所有相似度得到目標觀測視頻屬于某類的后驗概率。
　　第二，為了更高的預

3、測精度，需要捕捉高效的能最大化區(qū)分類間差異最小化類內差異的特征，本文提出一種基于統(tǒng)計的特征優(yōu)化算法。通過擴大同一行為同一子片段的特征樣本，計算每種特征在樣本中的頻數(shù)和方差，經過數(shù)次迭代，篩選出每種行為每個子片段穩(wěn)定的最有代表性的特征。進一步，在特征優(yōu)化的基礎上，使用神經網絡算法對缺失前段視頻中的行為進行前向預測。
　　最后，本文在兩個國外公開的人體交互行為數(shù)據(jù)集上進行實驗。實驗證明本文提出的SCSW算法在提高了模型實時性的前提下仍