1、基于視頻的人體動作識別是計算機(jī)視覺領(lǐng)域一個熱門研究方向，其目的是使計算機(jī)系統(tǒng)能夠自動分析和識別視頻中的人體動作，主要用于視頻智能監(jiān)控與人機(jī)互動等場合。動作識別的關(guān)鍵在于對運(yùn)動特征的描述，而協(xié)方差矩陣能夠準(zhǔn)確地表示這一特征，并反映圖像特征的統(tǒng)計變化，進(jìn)而對運(yùn)動信息的變化強(qiáng)度進(jìn)行度量。因此本文重點(diǎn)研究了一種基于協(xié)方差矩陣的動作識別算法，主要內(nèi)容包括全局特征、局部特征以及動作的表示與分類三個方面，具體如下：
　?。?）研究了一種動作特征

2、的提取算法。該算法首先把動作視頻分成相互重疊的若干段，以每一段中運(yùn)動人體的HOF特征為樣本計算協(xié)方差矩陣，并從中提取相應(yīng)的全局特征。然后對上述全局特征進(jìn)行稀疏編碼，并將計算得到的稀疏系數(shù)直方圖作為視頻的特征向量。
　　（2）研究了一種局部時空特征的提取算法。該算法通過對視頻進(jìn)行密實(shí)采樣，得到大量時空立方塊，計算立方塊的協(xié)方差矩陣，并從中提取局部時空特征。本文重點(diǎn)研究了兩種計算協(xié)方差矩陣的方案，一種是基于多種圖像特征的，另一種基于單

3、一圖像特征，并對兩種方案進(jìn)行試驗(yàn)對比，結(jié)果表明基于多種圖像特征的方案具有較高的識別率。此外，還對不同圖像特征下的像素描述子進(jìn)行了研究。
　　（3）研究了動作的表示與分類方法。首先利用動作視頻的描述子學(xué)習(xí)一個過完備字典，然后對所有的描述子進(jìn)行稀疏編碼得到編碼系數(shù)，結(jié)合空間金字塔模型對編碼系數(shù)進(jìn)行池化，得到動作視頻的特征向量。最后使用基于不同核函數(shù)的SVM對上述獲得的人體動作特征進(jìn)行分類，以檢測不同核函數(shù)的動作識別率。
　　本文