基于组合特征和SVM的视频中人体行为识别算法
陈艳1
胡荣2
李升健3
万彬4
孙书会5
1.江西科技师范大学通信与电子学院,南昌3300362.南昌大学科学技术学院,南昌3300293.国网江西省电力有限公司电力科学研究院,南昌3300964.南昌职业学院 工程系,南昌3300045.沈阳工业大学 软件学院, 沈阳110870
摘要：针对复杂场景中的人体行为识别困难的问题,提出了一种基于组合特征和SVM的行为识别算法.该算法使用光流特征、HOG特征、重心特征和3D SIFT特征构成的组合特征来描述人体的各种行为;使用一对一的方式训练SVM分类器对提取出的特征进行分类,并以投票的方式得到具体的行为类别.使用包含4个场景的KTH数据集进行仿真.结果表明,所提出的算法能适应各种复杂环境,且相比只采用单一特征的识别算法具有更高的分类精度.
关键词：行为识别光流方向梯度直方图重心3D SIFT特征支持向量机KTH数据集行为分类
分类号：TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(61563034)江西省教育厅科学技术研究项目(GJJ151504)江西省教育厅科学技术研究项目(GJJ151505)江西省教育厅科学技术研究项目(GJJ151497)
论文发表日期：2020-11-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 665-669 )
英文信息