第26卷第11期 2018年11月
1004-924X(2018)11-2827-11
文章编号
光学精密工程
Optics and Precision Engineering
采用PHOG融合特征和
多类别Adaboost分类器的行为识别
马世伟"，刘丽娜1,2，傅琪"，温加睿（1.上海大学机电工程与自动化学院，上海210072：
2.山东理工大学电气与电子工程学院，山东淄博255049）
Vol. 26No.11
Nov.2018
摘要：为了解决类能量图易受人体运动时间和位置移动等因素影响而难以有效描述动作细节特征的问题，本文提出了。种基于类能量图金字塔梯度直方图(PHOG)融合特征和多类别Adaboost分类器的人体行为识别方法。该方法首先对经过驱体配准的运动人体目标轮席图像构造平均运动能量图（AMEI)和增强的运动能量图（EMEI)，分别提取其分层梯度方向直方图(PHOG)特征并进行审联融合，作为一种多层次的行为特征描述；然后使用基于查找表的LUT-Real Adaboost算法设计多类别分类器，实现图像中人体行为动作的识别。实验结果显示其在典型的人体动作数据集DHA 上的正确识别率达97.6%，高于其它采用单一特征描述和SVM等分类器的方法。表明该方法将整体与局部特征相结合，可以有效描述不同尺度下的动作细节特征，增强了人体行为特征的描述能力，提高了识别性能。
关
调：人体行为识别；平均运动能量图；增强这动能量图；分层株度方向直方图特征；查找表型RealAdaboost 键
中图分类号：TP391.4
文献标识码：A
doi;10.3788/OPE.20182611.2827
UsingPHOGfusionfeaturesandmulti-class Adaboostclassifier
for human behavior recognition MA Shi-wei',LIU Li-na'-2, FU Qi',WEN Jia-rui(l.School of Mechatronic Engineering and Automation
ShanghaiUniversity,Shanghai210072,China; 2.School of Electrical and Electronic Engineering
ShandongUniversityofTechnology，Zibo255049，China）*Correspondingauthor，E-mail:linali126@163.com
Abstract: In order to solve the problem that energy image species （EIS) are susceptible to human movement time and position shift, i, e. , it is difficult to describe the details of human behaviors, in this paper a method of human behavior recognition was present based on pyramid gradient histogram(PHOG) fusion features and a multi-class Adaboost classifier. This method first calculated the average motion energy image (AMEI) and the enhanced motion energy image (EMEI) of an object's silhouette images after human body registration, and then it extracted the PHOG features of AMEI and EMEI and series them together to form a kind of multi-level feature descriptor of human behavior.
收稿日期：2017-12-11；修订日期：2018-02-11,
基金项目：国家自然科学基金资助项目（No.61671285)；山东省自然科学基金资助项目（No.ZR2016FP04)