论文部分内容阅读
从复杂的人体行为中提取出重要的有区分力的特征是进行人体行为分析的关键。目前经典的特征分析方法大多是线性的特征分析技术,对于非线性处理会导致错误的结果,为此,提出了一种慢特征提取方法。首先,利用帧间差分法获取帧差图像序列,对选定的初始帧进行特征点检测;然后,利用光流法对特征点进行跟踪,收集训练立方体;最后,利用收集的训练立方体进行慢特征函数的机器学习,提取出慢特征并进行特征表示。实验中提取每种行为的慢特征进行对比,结果显示提取的慢特征随时间变化非常缓慢,并且在不同行为之间具有很强的区分力,表明该方法能