徐勤军
- 作品数：4 被引量：24H指数：2
- 供职机构：东南大学信息科学与工程学院更多>>
- 发文基金：国家自然科学基金中国博士后科学基金福建省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 分层特征组的行为识别（英文）
- 2015年
- 为提高视频人体行为识别的性能,提出了一种分层建模行为的方法.该分层模型根据人体运动的属性概述不同时空域的行为内容.首先,利用时间梯度并结合连贯的运动模式约束提取稳定、密集的运动特征作为点特征;然后,采用自适应尺度核的mean-shift聚类算法标定这些特征.具有同一标签的特征组通过最大池运算产生身体部分表示后,累积大尺度的视频体内视觉词响应作为视频对象的表示.在基准的KTH和UCF-sports行为数据库上,实验结果表明所提方法增强了行为特征的代表性和判别能力,同时提高了识别率.与其他相关文献相比,所提方法获得了优越的识别性能.
- 周同驰程旭李拟珺徐勤军周琳吴镇扬
- 基于有效轨迹和多重方向模式的行为识别被引量：3
- 2016年
- 对于人体行为识别,以前方法提取的轨迹包含了背景的无关的运动变化。同时,由于相机运动,轨迹位移的方向幅度描述符缺乏鲁棒性。针对这些问题,该文提出了跟踪显著相对运动点的行为识别方法。首先利用运动边缘检测器提取运动特征,经自适应门限处理后,将包含显著特征的超像素作为相对运动区域。然后跟踪相对运动超像素内的兴趣点来产生轨迹。对于轨迹形状,预定义的多重方向模式被用来产生轨迹位移矢量的方向分布统计。最后,分别采用轨迹的方向梯度、运动边缘、方向统计及其组合作为分类器的输入来识别行为。在KTH和UCF-sports行为数据库上,提取的相对运动点轨迹能够描述对象的运动变化,方向统计描述符提高了轨迹形状特征的鲁棒性。与相关文献比较,我们方法获得了较好的识别性能。
- 周同驰徐勤军周琳吴镇扬
- 视频序列中的行为识别研究进展被引量：20
- 2014年
- 视频序列中的行为识别是计算机视觉领域非常活跃的研究方向,在视频监控、人机交互、医疗看护、视频检索等领域有着广阔的应用前景。综合分析了行为识别的研究进展,首先分析了目前主流的行为识别数据库的不同特点;然后总结了行为的特征表示方法以及识别方法的最新进展,由于实际应用要求算法具有快速、自动和实时性,且人工标定大量视频存在困难,无监督的学习方法受到越来越多的关注;在此基础上,讨论了行为识别面临的挑战,以及今后的研究发展方向。
- 徐勤军吴镇扬
- 关键词：计算机视觉模式识别
- 概率隐含语义分析模型在行为识别中的编码与归一化方法研究被引量：1
- 2018年
- 在视频中的行为识别的语境下,为了提高概率隐含语义分析模型的识别性能,研究了不同编码方法结合归一化方法对于分类性能的影响;还考察了主成分分析预处理原始特征对于性能的影响,在显著降低特征维度进而降低计算量的同时,当特征包含较多噪声成分的情况下性能甚至会有所提升。在KTH和UT-interaction数据库上的实验表明,编码和归一化方法的适当组合可以显著提高模型的性能。在UT-interaction数据库的两个子集上识别精度分别达到了当前最好的结果 96.44%、95%,其中在数据集1上采用稀疏的时空兴趣点特征,得到了94.24%的识别精度。
- 徐勤军周同驰周琳周琳
- 关键词：主题模型
