1、隨著現(xiàn)代社會(huì)各種視頻數(shù)據(jù)的超高速膨脹,對(duì)于視頻中人體行為的分析持續(xù)成為計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。人體行為識(shí)別技術(shù)與社會(huì)生活密切相關(guān),其在web數(shù)據(jù)挖掘、智能監(jiān)控、醫(yī)療輔助和人機(jī)交互等領(lǐng)域都有著廣闊的應(yīng)用前景。
　　目前,計(jì)算機(jī)還無法像人類一樣十分自如地識(shí)別各種苛刻環(huán)境下的行為,這是因?yàn)橛?jì)算機(jī)無法排除遮擋、視角變化以及光線變化等環(huán)境因素的干擾,并且人體行為往往復(fù)雜多變,動(dòng)作細(xì)節(jié)會(huì)隨著時(shí)間不斷變化。對(duì)于人體行為識(shí)別的研究可以歸納為三個(gè)

2、部分:視頻中人體行為的表示,人體行為的學(xué)習(xí)模型以及人體行為的分類。這三個(gè)部分雖然是依次進(jìn)行,但是它們之間聯(lián)系十分緊密。根據(jù)學(xué)習(xí)模型的不同,人體行為識(shí)別又可以分為基于模板、基于狀態(tài)模型、基于空時(shí)特征學(xué)習(xí)三種不同的方式,其中,基于空時(shí)特征學(xué)習(xí)的方法通常具有一定的尺度不變性和抗噪聲能力,本文內(nèi)容正是研究基于空時(shí)特征學(xué)習(xí)的行為識(shí)別算法。
　　為了更好地探索人體運(yùn)動(dòng)的內(nèi)部結(jié)構(gòu)信息,本文將用于結(jié)構(gòu)性編碼的組稀疏作為切入點(diǎn),在結(jié)合了空時(shí)特征相似

3、性以及人體運(yùn)動(dòng)的內(nèi)在特點(diǎn)后,對(duì)組稀疏編碼提出了改進(jìn)。本文的主要成果如下:
　　1.提出了基于Laplacian正則的非負(fù)組稀疏編碼用于人體行為識(shí)別。該算法的主要思想是通過構(gòu)造視頻序列中所有初級(jí)特征的近鄰圖,對(duì)人體運(yùn)動(dòng)的局部相似性進(jìn)行探索,并在組稀疏編碼上引入這一反映初級(jí)特征間結(jié)構(gòu)信息的約束,使得對(duì)于視頻序列的編碼不僅具有整體稀疏性,并且保留了結(jié)構(gòu)信息,可以得到更具判別性的編碼。
　　2.提出了半監(jiān)督字典學(xué)習(xí)用于人體行為識(shí)別的

4、方法。在保證字典較強(qiáng)表示能力同時(shí)增強(qiáng)其判別性是人體行為識(shí)別中進(jìn)行字典學(xué)習(xí)的重要目的。字典學(xué)習(xí)可以分為有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)以及半監(jiān)督學(xué)習(xí)三種思路,本文提出的半監(jiān)督字典學(xué)習(xí)能夠充分利用大量存在的無標(biāo)記樣本來提高字典的表示能力,同時(shí)利用已標(biāo)記樣本進(jìn)行類別字典的學(xué)習(xí)保證其判別性,因而得到了相比于無監(jiān)督學(xué)習(xí)和有監(jiān)督學(xué)習(xí)更具平衡性的字典。
　　3.提出了一種多層組稀疏模型用于人體行為的高級(jí)特征學(xué)習(xí)以及分類。該方法的研究動(dòng)機(jī)是:多任務(wù)組稀疏編