基于预测算法的快速多尺度金字 塔时空特征点计算算法研究-软件工程专业论文.docx

青岛 青岛科技大学研究生学位论文 基于 基于预测算法的快速多尺度金字塔时空特征点计算算法研究 万方数据 万方数据 万方数据 万方数据 基于预测算法的快速多尺度金字塔时空特征点计算算法研究 摘 要 近年来，研究人员做了大量关于人体行为的工作，其中人体行为时常使用 人体姿态特性的转化关系来做描述，而人体姿态特性的提取主要依靠视频分割 来进行。但是由于行为人的着装、背景突变、光照变化、行为人的身影、目标 遮挡等原因，导致视频分析时姿态的分割不完整，失去其完整的语义性。为解 决此问题一般采用提取多尺度金字塔时空特征点方法来计算底层特征，进而对 样本视频中的行为进行局部描述。然而传统多尺度金字塔时空特征点的计算量 较大，运算耗时较长，实时性较差。为提高视频图像多尺度金字塔时空特征点 的计算速率，解决其实时性较差的问题，本文在传统算法的基础上，提出了基 于预测算法的快速多尺度金字塔时空特征点的计算方案。 为推导出预测算方法的计算公式并验证该预测算法的准确定与时效性，本 文做了相应的详细计算与实验，其中用到的实验数据库有 INRIA 静态数据库、 Weizmann 和 KTH 动态人体行为数据库。首先，通过实验对比传统三种时空特 征点的计算方法（Ivan 的基于 Harris 角点的方法、Dollár 的基于时域 Gabor 滤波 器的方法以及 Willems 的基于 Hessian 矩阵的方法），本文决定选用 Willems 的 方法实现尺度不变性时空特征点计算，并在此基础上实现尺度之间的预测。其 次，根据 Dollár 等人研究出的不同尺度之间的底层特征存在一个指数系数关系 算法原理，通过实验统计计算出 DoH 特征的指数系数值。再次，通过时间尺度 之间的递归性与二维 DoH 特征的尺度关系式，进一步推导出在三维空间中时空 特征点的预测表达式。最后，通过实验对比本文的预测算法与传统计算方法， 得出本文提出的预测算具有比较明显的时效性，并通过实验统计得出预测算法 具有 80%以上的准确性，具有很高的应用价值。 关键词：预测算法 时空特征点 尺度空间 Hessian 矩阵 I II THE CALCULATION OF FAST MULTI-SCALE PYRAMID SPATIO-TEMPORAL INTRESTING POINTS BASED ON PREDICTION ALGORITHM ABSTRACT In recent years, researchers have done a lot of work on human behavior, in which human behavior often use the body posture to describe transformation relations, and the feature extraction of the human body posture characteristics relies mainly on the video segmentation. The reasons of the person dress, background mutations, illumination change, shadow, object and shelter offender , lead to the attitude of the video analysis divided incomplete, and lost its complete semantic. To solve this problem ,we generally use the method of extracting multi-scale pyramid spatio- temporal interesting points to calculate the underlying characteristics ,and to make local description for the actions in the video.However, traditional extracting method of multiscale pyramid Spatio-temporal Interesting Points(STIPs) cost larger, takes longer operation, make a poor real-time performance. In order to improve video image multiscale pyramid feature points’ extraction rate, this paper present