应用研究
大范围视频中人的
行为识别的正则化HCRF模型
方朝晖钟平
(国防科学技术大学电子科学与工程学院,湖南长沙410073)
数事共本导在用
摘要：大范围视频中人的行为识别主要面临视频场景大、目标小、分辨率低、特征不明显等难点。充分利用视频图象中包含的图像特征和空-时上下文信息是解决这些难点问题的有效途径。隐条件随机场模型(HCRF)包含的稳变量层使其具有丰富的表示能力，同时自身还具有统一对观察图象和标记中的上下文信息建模的能力。因此将HCRF模型引入大范图视频中人的行为识别，重点研究通过1_2和1_1 正则化训练方法得到的HCRF模型在解决过拟合和实现稀疏化时的性能。在此基础上,引入1_(1/2)正则化训练方法,提出新的面向人的行为识别的HCRF模型.进一步提高模型的稀疏化和识别性能利用典型的大范图视频数据率UT-TOWER对研究的方法进行了全面测试
关键词：大范图视频；人的行为识别：障条件随机场
中图分类号：TP391.1
文献标识码：A
近年来，大范围视颠由于其场景直观、发现问题及时、信息量充足，利于取证保存的特点正越来越多地被应用于军事和生活领域。许多发达国家还针对大范围视频的研究，建立了无人机视频系统、高层建筑视频监控系统等大量的数据平台。而对视频图像中的目标进行行为识别，就能够在不耗费人力资源的情况下从视频中获取大量的信息，这是现阶段研究大范国围视频的关键。而且在对视频中的目标进行行为识别时，往往面临大范围视频场景大、目标小、分辨率低、特征不明显等难点。充分利用视图像中的空间和时间的上下文信息进行行为建模和识别是解决上述难点问题的有效途径。
本文主要研究和正则化训练方法对HCRF模型用于大范围视频中人的行为识别的影响。在此基础上研究HCRF 模型训练的，正则化方法和高效实现。本文接下来的内容包括：第二章构建面向大范围视频中人的行为识别的 HCRF模型；第三章研究构建的HCRF模型的不同正则化训练方法，并提出新的基于1正则化的HCRF模型；第四章利用实际数据测试研究方法的性能；第五章对研究工作进行总结与展望。
1面向大范围视频中人的行为识别的HCRF模型 1.1HCRF模型的构建
面向大范围视频中人的行为识别主要实现对输入的一段包含慎的视频数据y=yj=1.2..，估计其包含的目标对应的行为语义标记x。假设隐变量序列h=(h,.h2.，
收稿日期：201611-16
文章编号:1007-9416(2017)01-0076-02
HCRF模型构建给定观测数据，语义标记和隐变量的联合后验概率为
P(x,hly, ) =:
ep(xhyi6)
Er-exhep(rhy.0)
(1)
其中每个h_j,jE[1,m]属于隐标记空间H，隐变量它可能表示的是视频各慎所对应的基元动作类型，中（x，h，y； 6)为定义在基团上的势函数，θ为模型(势函数)中包含的模型参数利用公式(1)，可以得到给定观察数据，对应的标记的后验概率为
p(x.hly.)=
P(xy, ) =
E, ep(xhy.6)
wex,h e甲(r,h.yi6)
(2)
结合大范国视频图像的特点，本文定义的势函数为() p(x. h.y:6)
息
Cxyee tey,
其中V1表示视频赖节点特征向量的元索索引，V2表示无向图中边特征向量的元系索引，f(1，1)，(2，1)表示节点特征和双位置边特征的提取函数，6(1,1)，6(2,1)Eθ分别表示节点参数和边参数。特征函数f_1在模型中依赖于单隐变量，特征函数f2则依赖于两个隐变量。
1.2HCRF模型的训练
给定包含个训练样本的训练集y.x)f=1，HCRF模型训练就是估计使如下目标函数极大的模型参数：
L(e) =
>, log P(x;ly;.9) + R(6) =
> L, (0) + R(0)
(4)
(4)式中Z;logP(x山:表示的是对数似然函数，R（)是正
作者简介：方朝晖(1993一),男汶,湖北式汉人,硕士研究生,研究方向：图形与图像处理技术。
★基金项目：国家自然科学基金资助项目(编号：61271439)。万方数据