基于動(dòng)作
——身份模型的動(dòng)作分類

劉碩明劉 佳

（1．武警北京總隊(duì)醫(yī)院信息科，北京 100000；2．武警工程大學(xué)電子技術(shù)系，陜西 西安 710086）

基于動(dòng)作
——身份模型的動(dòng)作分類

劉碩明1劉 佳2

（1．武警北京總隊(duì)醫(yī)院信息科，北京 100000；2．武警工程大學(xué)電子技術(shù)系，陜西 西安 710086）

早期動(dòng)作識(shí)別的研究主要關(guān)注在簡(jiǎn)單背景及可控環(huán)境下單個(gè)人體動(dòng)作的分類從而忽略了人的身份信息。本文主提出如何同時(shí)識(shí)別動(dòng)作和身份。提出時(shí)空興趣點(diǎn)不僅僅刻畫了動(dòng)作的時(shí)空屬性，在采取不同的描述算子的情況下，它也能反映出關(guān)于動(dòng)作執(zhí)行人的身份信息。實(shí)驗(yàn)的結(jié)果驗(yàn)證了本文的想法。

動(dòng)作識(shí)別；身份識(shí)別；碼書；主題模型

1 概述

絕大多數(shù)用于識(shí)別的方法中，僅僅存在一種視覺碼書。本文提出利用兩種碼書來進(jìn)行視頻表示。具體來說，用動(dòng)作碼書來表示動(dòng)作，而用作者碼書來表示身份?；舅枷腩愃朴谖恼碌膬?nèi)容用主題來表示，而寫文章的人用作者來表示。本文認(rèn)為時(shí)空興趣點(diǎn)不僅僅刻畫了動(dòng)作的時(shí)空屬性，在采取不同的描述算子的情況下，它也能反映出關(guān)于動(dòng)作執(zhí)行人的身份信息。實(shí)驗(yàn)的結(jié)果驗(yàn)證了本文的想法。已經(jīng)有一些文獻(xiàn)致力于同時(shí)進(jìn)行動(dòng)作識(shí)別和身份驗(yàn)證。例如文獻(xiàn)[1,2]。

2 動(dòng)作身份模型

1）識(shí)別框架

基本框架如下：首先，利用時(shí)空興趣點(diǎn)檢測(cè)器提取局部時(shí)空點(diǎn)區(qū)域，然后分別對(duì)動(dòng)作和身份兩種問題，提取不同的局部描述子，接著利用聚類的方法得到兩種碼書：動(dòng)作碼書和作者碼書。利用LDA和AM進(jìn)行模型參數(shù)的學(xué)習(xí)和推斷。

2）視頻表示及碼書

文中利用Dollar[3]提出的時(shí)空檢測(cè)器進(jìn)行興趣點(diǎn)的檢測(cè)，它能產(chǎn)生穩(wěn)健的時(shí)空點(diǎn)，給定一組時(shí)空興趣點(diǎn)的描述子后，建立了兩種類型的碼書，分別用來進(jìn)行動(dòng)作信息的表示和身份信息的表示。首先為了學(xué)習(xí)得到碼書中的詞項(xiàng)，首先將所有訓(xùn)練視頻中的時(shí)空興趣描述子進(jìn)行聚類，本文采用K均值聚類的方法，每一個(gè)聚類中心對(duì)應(yīng)碼書（動(dòng)作碼書和身份碼書）中的一個(gè)詞項(xiàng)。

3）動(dòng)作-身份模型

本文提出的動(dòng)作身份模型是一個(gè)概率主題模型，因此可用圖模型的方法表示，如圖1所示。

圖1 動(dòng)作-身份模型的圖模型表示

圖3 KTH數(shù)據(jù)庫上的混淆矩陣結(jié)果

其中ad表示身份信息，w1和w2分別表示動(dòng)作碼書和身份碼書中的單詞項(xiàng)。Nd1和Nd2分別表示動(dòng)作單詞和身份單詞的個(gè)數(shù)，其余變量為隱含變量或模型參數(shù)。在這個(gè)生成模型中包含了兩種類型的碼書，w1和w2是分別來自動(dòng)作碼書和身份碼書中的視覺詞。 實(shí)際上，這個(gè)包含兩種碼書的動(dòng)作身份模型正是LDA模型[4]和作者模型[5]的組合。在動(dòng)作模型和身份模型相對(duì)獨(dú)立時(shí)，可以將動(dòng)作模型和身份模型分開進(jìn)行學(xué)習(xí)和推斷。盡管w1和w2來自不同的描述子，但他們都對(duì)應(yīng)相同的時(shí)空點(diǎn)位置，只是在這個(gè)時(shí)空點(diǎn)上提取的特征不同。

3 實(shí)驗(yàn)及結(jié)果分析

本文在KTH 數(shù)據(jù)庫上進(jìn)行了測(cè)試。通過利用時(shí)空興趣點(diǎn)局部特征以及采用隱主題模型進(jìn)行動(dòng)作身份分類，能夠有效的克服這些因素的影響。實(shí)驗(yàn)結(jié)果表明本文的方法不僅能夠?qū)?dòng)作類別和位置進(jìn)行識(shí)別，同時(shí)還能給出關(guān)于身份的信息。平均識(shí)別率的混淆矩陣如圖3所示。6個(gè)主題的LDA模型對(duì)應(yīng)的混淆矩陣如圖3 （a）所示，這里采用的動(dòng)作碼書的大小為1000。關(guān)于身份模型的25類的混淆矩陣如圖3 （b）所示，這里作者碼書的大小也是1000。從圖中可以看出，對(duì)于身份的識(shí)別具有一定的可判別性。

（a）動(dòng)作分類的結(jié)果（b）身份的分類結(jié)果平均分類正確率（54.6%）。

實(shí)驗(yàn)結(jié)果表明本文的方法不僅能夠?qū)?dòng)作類別和位置進(jìn)行識(shí)別，同時(shí)還能給出關(guān)于身份的信息。

結(jié)語

本文在時(shí)空興趣點(diǎn)的基礎(chǔ)上，提出了一種動(dòng)作身份模型用來識(shí)別動(dòng)作的類型、位置以及動(dòng)作執(zhí)行人的身份。文中將動(dòng)作身份模型在三種數(shù)據(jù)庫上進(jìn)行了測(cè)試，驗(yàn)證了該方法的有效性。

[1]Fabio, C． Using bilinear models for viewinvariant action and identity recognition． in CVPR． 2006．

[2]．Jack M．． Multifactor Gaussian process models for style-content separation． In ICML． 2007． Corvallis．

[3] Dollar, , Behavior recognition via sparse spatio-temporal features． IEEE Workshop on VSPETS, 2005: p． 1-8．

[4] Blei, D．M．, Latent Dirichlet allocation, In JMLR, 2003． 3（4-5）: p． 993-1022．

[5] M． Rosen-Zvi, The author-topic model for authors and documents． in Conference on UAI． 2004．

TP915

A