如需要完整文档点击下方 "点击下载文档" 按钮

行为识别是视频分析的一个核心任务,而行为特征的提取与选择直接影响识别效果。 针对单一特征往往受到人体外观、环境、摄像机设置等因素的影响而识别效果不佳的问题,提出一种分别提取尺度不变特征变换(SIFT)和方向梯度直方图(HOG)的特征并形成融合特征,再利用支持向量机(SVM)完成特征分类的行为识别方法。 基于 Matlab 人体行为识别和检测的研究,通过采用 KTH 和 Weizmann 人体行为库来验证该算法的有效性。 实验结果表明,该算法在人体行为识别中识别率可达到 90%以上,比单独使用上述两种特征或者其他传统的描述子更高效,同时也能更好地适应光照等外部因素的变化,得到更好的识别率。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于 SIFT 和 HOG 特征融合的人体行为识别方法》

将 完整文档 下载到本地，方便收藏和查阅

文件号：062146

点击下载文档