摘要：针对传统浮点型特征描述子占用空间大、匹配速度慢的问题,提出一种基于梯度统计信息比较的局部二值特征描述子.通过对比特征点邻域梯度统计信息生成二值特征描述子,再利用多邻域和多分块策略提高描述子判别力,最后通过近似简化的Ada Boost算法实现描述子降维.实验结果表明,与已有描述子相比,文中提出的描述子在实现快速生成的同时其鲁棒性更强.

摘要：当前的姿态表示的行为识别方法通常对姿态的准确性做了很强的假设,而当姿态分析不精确时,这些现有方法的识别效果不佳。提出了一种低维的、鲁棒的基于关键肢体角度直方图的人体姿态特征描述子,用于将整个动作视频映射成一个特征向量。同时,还在特征向量中引入共生模型,用以表示肢体间的关联性。最后,设计了分层的SVM分类器,第1层主要用于选择高判别力的肢体作为关键肢体,第2层则利用关键肢体的角度直方图并作为特征向量,进行行为识别。实验结果表明,基于关键肢体角度直方图的动作特征具有较好的判别能力,能更好地区分相似动作,并最终取得了更好的识别效果。

摘要：平躺人体检测具有很好的学术研究和应用价值。针对平躺人体表观姿态受透视变换的影响较大和样本收集难这两个问题展开研究：首先建立并公开了厦门大学平躺人体检测数据集，该数据集的人体包含各种姿态、视角、衣着颜色、复杂背景等情况；其次提出了一种基于透视变换的样本扩充方法：根据透视变换的摄像机模型将3x3的透视变换矩阵进行分解，使得该矩阵最终只与两个变化范围确定的旋转角相关，方便了采样算法的设计，有效地增加了训练样本的数目和样本表观的多样性，在厦门大学平躺人体数据集上的实验结果表明该方法提高了分类器的性能：当FPPW=10e-4时，漏检率降低了12.4%；当FPPW=10e-5时，漏检率降低了5.75%。可见本文提出的样本扩充方法简单有效。