59、基于结构与时空特征融合的人体动作识别及姿态聚类技术

基于结构与时空特征融合的人体动作识别及姿态聚类技术

在计算机视觉领域，人体动作识别和姿态聚类是两个重要的研究方向。人体动作识别在视频监控、人机交互、多媒体等众多应用中具有重要意义，而姿态聚类能帮助分析人体不同姿态的特征。本文将介绍两种相关的研究成果，一是基于结构与时空特征融合的人体动作识别方法，二是利用谱嵌入进行人体姿态的无监督聚类。

人体动作识别：结构与时空特征融合

人体动作识别是一个具有挑战性的任务，尤其是在背景不固定、光照条件多变的情况下。目前，局部表示方法，特别是基于时空兴趣点（STIP）的描述符，在动作识别中越来越受欢迎，因为它们能够描述空间和时间上的显著点，并且具有较强的识别性能。然而，这些方法的主要局限性在于无法捕捉执行动作主体的全局空间关系。

为了解决这个问题，研究人员提出了一种基于图嵌入提供的全局空间关系与STIP描述符的局部时空信息相融合的新方法。以下是该方法的详细介绍：
- 特征提取
- 结构特征
- 原型图嵌入概述 ：使用属性图 (g = (V, E, \alpha, \beta)) 来表示对象，其中 (V) 是顶点集，(E) 是边集，(\alpha) 是顶点标记函数，(\beta) 是边标记函数。图匹配问题通常使用图编辑距离（GED）来解决，它衡量了将一个图转换为另一个图的成本。概率图编辑距离（P - GED）能够从手动配对的图训练集中自动推断成本函数。
- 图嵌入 ：将图嵌入到向量空间中，使用一组原型图 (P = {p1, p2, …, pn}) 来计算图 (gj