基于Adaboost关键帧选择的多尺度人体动作识别方法

针对手工制作关键帧检测器和最初“特征包”方法的局限性，提出一种基于Adaboost关键帧选择和多尺度运动特征表示的人体动作识别方法。首先，从视频序列中提取兴趣点，使用生物启发特征结合光流的多尺度方法提取运动特征；然后，利用Adaboost学习方法从一个大的特征池中选取最具辨识度的几帧图像，并将排列前十的Adaboost帧作为相应的关键帧；最后，利用相关图表示关键帧，由支持向量机（supportvectormachine，SVM)完成人体动作分类。在KTH、多视图IXMAS和TUM数据库上的实验结果显示，该方法在3个数据库上的识别精度可分别高达95.5%，93.7%和91.5%，识别性能明显优于其他几种较新的方法，表明利用Adaboost学习算法可有效选取每个视频动作序列的关键帧，并有效解决了“特征包”方法的局限性问题。