1、隨著計(jì)算機(jī)及網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，多媒體信息已經(jīng)滲透到人們生產(chǎn)生活的各個(gè)方面，并且在近年來呈現(xiàn)出信息交互頻繁、數(shù)據(jù)海量增長(zhǎng)、云端服務(wù)日益完善的發(fā)展特點(diǎn)。視頻作為載有文字、圖像、音頻等信息的文件形式，在海量數(shù)據(jù)中占有重要的地位。在大數(shù)據(jù)時(shí)代的背景下，面對(duì)大量視頻數(shù)據(jù)的智能分析需求，計(jì)算機(jī)視頻領(lǐng)域的相關(guān)研究和應(yīng)用顯得更加突出。作為計(jì)算機(jī)視頻領(lǐng)域的重要一部分，人體行為識(shí)別在視頻監(jiān)控、視頻內(nèi)容分析和人機(jī)交互等方面具有廣泛的應(yīng)用前景。人體行為識(shí)別關(guān)

2、鍵在于特征的提取，因此提取的特征也是影響識(shí)別結(jié)果的決定性因素之一。針對(duì)特征的提取，近三十年來國(guó)內(nèi)外的高校、科研機(jī)構(gòu)對(duì)人體行為識(shí)別進(jìn)行了廣泛深入地研究，取得了豐碩的學(xué)術(shù)成果，推動(dòng)了人體行為識(shí)別研究向更高更深的層次發(fā)展。
　　本文研究的是基于多慢特征融合的人體行為識(shí)別方法，首先提取多種局部特征，對(duì)其進(jìn)行慢特征分析，計(jì)算形成相應(yīng)的慢特征，然后采用底層特征組合和高層特征融合的方法，對(duì)單人行為和多人行為進(jìn)行識(shí)別。論文介紹了多慢特征融合方法所

3、涉及到的基本理論和方法，重點(diǎn)分析慢特征分析學(xué)習(xí)策略和融合方法的特點(diǎn)，在此基礎(chǔ)上提出了基于多慢特征融合的人體行為識(shí)別方法。本文的主要研究?jī)?nèi)容包括多慢特征分析和多慢特征融合兩個(gè)階段。
　　在多慢特征分析階段，首先提取梯度方向直方圖、光流直方圖和尺度不變特征轉(zhuǎn)換直方圖三種特征，然后采用帶監(jiān)督的慢特征分析方法學(xué)習(xí)每種特征的慢特征函數(shù)，之后根據(jù)學(xué)習(xí)得到的慢特征函數(shù)，選擇累積導(dǎo)數(shù)平方的形式計(jì)算得到上述每種特征對(duì)應(yīng)的慢特征，從而表達(dá)視頻中變化緩

4、慢的時(shí)空信息，最終形成多慢特征。
　　在多慢特征融合階段，本文分別采用底層特征組合和高層特征融合的方法對(duì)多個(gè)慢特征進(jìn)行融合。對(duì)于底層特征組合，本文直接將上述三種慢特征向量級(jí)聯(lián)形成組合特征向量，然后送入支持向量進(jìn)行分類;對(duì)于高層特征融合，本文將上述三種慢特征分為訓(xùn)練樣本和測(cè)試樣本，對(duì)該樣本訓(xùn)練得到不同慢特征的交叉驗(yàn)證精度參數(shù)，將其作為高層特征融合的權(quán)值，然后對(duì)每種慢特征分別采用支持向量機(jī)對(duì)人體行為進(jìn)行分類，得到各自的分類結(jié)果，將每種