首页 理论教育表观特征对行为的表征能力比较:差分序列 VS 全前景序列

表观特征对行为的表征能力比较:差分序列 VS 全前景序列

【摘要】:区域和轮廓是最直接的表观特征。对于一帧图像,从前景区域和轮廓中提取的特征可以表示姿态或姿势。这种方法利用当前帧与背景图像的差分图像中具有较大差值的区域来获取前景。获得了前景图像,之后的首要问题就是什么样的特征可以有效表达行为。本章的目标是对比差分序列中的表观特征和全前景序列中的表观特征对行为的表征能力。

表观特征在行为识别中应用很早。区域和轮廓是最直接的表观特征。对于一帧图像,从前景区域和轮廓中提取的特征可以表示姿态或姿势。一些时间过程的模型可以用来对行为建模,如:HMM,动态时间弯折等[163,164]

减背景方法是获取前景区域最常用的方法。这种方法利用当前帧与背景图像的差分图像中具有较大差值的区域来获取前景。当然,应用此方法时背景图像的精确性非常关键。复杂场景中,基于高斯混合模型(Gaussian Mixture)的背景估计方法较有效[165,166]。获得了前景图像,之后的首要问题就是什么样的特征可以有效表达行为。Hota等测试了监控视频中的特征,其测试表明,一些表观特征可以有效区分视频中的人和其他物体,如:Hu不变矩(Hu invariant moments)、最小外接矩形(Minimum Bounding Rectangle,MBR)的高宽比、填充率(fill ratio)、周长、一块区域的紧凑性和凹凸性(compactness and convexity)、凸偏差(convex deviation),以及投影直方图(projection histogram)等[152]。Lee等利用曲线演化技术来识别人的外形[167]。Jiang等提出了一种匹配外形序列识别行为的方法[168]。本章的目标是对比差分序列中的表观特征和全前景序列中的表观特征对行为的表征能力。