特征集及其在光流场中的应用

2025-09-29 理论教育版权反馈

【摘要】：，k只用来标识特征序号，不表示特征的顺序。图7.3光流的（u，v）坐标和四方向、八方向划分示意图光流的（u，v）坐标和四方向示意图；光流的（u，v）坐标和八方向示意图图7.4从各行为视频中采集m1～m12散点图四方向运动速度。结果达到了目标，如图7.4所示，图中每个行为，利用了15长度的差分光流场序列，提取出15×12的特征数据，显示在一个散点图中。

本章利用的特征一部分是从光流序列中提取的运动特征，一部分是从差分序列中提取的表观特征。

参考了人类对光流的直观认识，从光流中提取了若干统计特征，用M=（m1，m2，…，mk）来表示。下标1，2，…，k只用来标识特征序号，不表示特征的顺序。光流场的向量以（u，v）表示。第6章用到的正立的最小外接矩形（UMBR）仍然被用来标准化一些特征值，以减少缩放的影响。

pagenumber_ebook=103,pagenumber_book=98

图7.3　光流的（u，v）坐标和四方向、八方向划分示意图

（a）光流的（u，v）坐标和四方向示意图；（b）光流的（u，v）坐标和八方向示意图

pagenumber_ebook=104,pagenumber_book=99

图7.4　从各行为视频中采集m1～m12散点图(https://www.chuimin.cn)

（1）四方向运动速度。运动方向与速度是光流场中最直观的特征。人类可以感知总体的运动方向。和速度，也可以感知其中的细节变化。尽管采集全部的细节可能精确地表达运动，但也会产生复杂的数据，同时对噪声敏感。因此，只采集了一些方向的速度统计值。在（u，v）坐标中，速度被分为4个方向，如图7.3（a）所示。光流场中4个方向的向量求和，结果如式（7.1），之后，合计值被除以UMBR的对角线长度，得到m1～m4。

v1,2,3,4=sum(u+,u-,v+,v-)　(7.1)

（2）运动方向分布。人是多关节物体，不同方向运动的分布可以描述行为的一个方面。利用身体各部分的运动方向可以较好地描述运动。但是，提取身体的部分是复杂与困难的计算。同样，提取所有方向的运动分布也是复杂的，且会产生高维数据。在如图7.3（b）所示中，360°方向被划分为8个区间，如式（7.2）所示，8个区间的直方图被计算出来，以粗略表示运动方向分布。设A是全部前景的面积，8个区间的分布数据除以A来进行标准化，得到m5～m12。

至此，基于运动光流，得到了m1～m12。我们希望这12个值的向量对不同的运动有一定的区分度。结果达到了目标，如图7.4所示，图中每个行为，利用了15长度的差分光流场序列，提取出15×12的特征数据，显示在一个散点图中。

（3）表观特征。表观特征可有效表达运动视频中每一帧的姿态，选择了一些表观特征，联合运动特征，以增强行为识别的效果。表达外形伸缩的8方向质心到边界的距离，也就是第6章特征集中的m1～m8被选择作为本章特征的m13～m20。8方向像素分布的特征，也就是第6章特征集中的m9～m16被选择作为本章特征的m21～m28。

特征集及其在光流场中的应用

相关推荐