基于3D-SIFT和SVD特征融合的视频行为识别

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、摄像机设置等因素影响而识别效果不佳的问题,本文提出一种基于三维尺度不变特征变换与奇异值分解提取特征,通过词袋模型进行统计形成视觉词库并形成融合特征,再利用支持向量机完成特征分类的行为识别方法。实验表明三维尺度不变特征变换与奇异值分解特征融合后能很好地描述视频序列,比单独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影响,得到更好的识别率。