模拟视觉信息处理机制的视频对象行为识别

视频对象行为识别由于在智能监控、高级人机交互等方面有着广泛的应用前景，从而成为备受关注的前沿研究方向之一。虽然行为识别目前已取得了许多理论上和应用上的成果，但仍缺乏普适性和鲁棒性。为此，本项目拟模拟人的视觉信息处理机制，根据视觉信息处理的双通路结构，构建视频对象行为识别系统；以视觉处理背侧通路的前馈理论为基础，建立运动特征提取的层次结构模型，使用三维滤波器和时空能量滤波器分析和处理运动信息，实现运动信息速率和方向的选择性操作，提取有效的视频对象运动特征；根据视觉皮层特征捆绑的脉冲同步振荡理论，提出新的特征捆绑模型，实现视频对象空间特征和运动特征的选择和融合，充分发挥两类特征在识别中的相互作用，提高识别性能；在此基础上，建立一个完整的视频对象行为识别系统，利用通用视频序列对系统进行测试、分析和比较，验证新理论和新方法的有效性。通过本项目的研究，可以实现较准确的视频对象行为识别，推动图像理解技

视频对象行为识别由于在智能监控、高级人机交互等方面有着广泛的应用前景，成为备受关注的前沿研究方向之一。目前已取得了许多理论上和应用上的成果，但大多仍缺乏普适性和鲁棒性。为此，本项目模拟人的视觉皮层信息处理机制，构建了视频对象行为识别系统。.目前有关运动模式是在哪个区域完成的，存在不同的推测。迄今大多数关于行为识别的研究都是围绕MT阶段展开的。本课题首先针对V1阶段获得的信息能否进行行为识别的问题展开研究。采用3D Gabor滤波器及其组合分别模拟初级视觉皮层中简单、复杂细胞的感受野，从而获取对运动速度和方向敏感的运动能量，并通过V1阶段的环绕抑制来增强运动能量和降低噪声的影响。其次，采用IF（Integrate-and-fire）脉冲神经元模型模拟初级视觉皮层的神经元,将获取的运动信息转换为神经元响应的脉冲链；最后，提出行为编码方法，利用脉冲链平均发放率提取特征向量，并采用支持向量机(SVM)进行分类。在Weiziman和KTH数据库下进行测试，实验结果表明, V1阶段获得的信息可以进行行为的识别；另外一方面，神经科学研究表明在视觉初级皮层中神经元之间也存在侧连接，这一特性表明利用视觉感知的运动历史信息有助于行为的识别，从而提出运动对象边缘累积的方法进行特征提取，利用基于网格的方向梯度直方图(Histograms of orientation gradients,HOG)表征人体的行为，从而进行行为分类，实验结果表明在YouTube数据集上该方法比其他方法更加有效。.在人的视觉系统中，眼动的主要目的是对运动对象的注意。模拟视觉初级皮层的视觉感知，对时空信息采用线性融合的方法进行信息处理，从而建立了基于视觉注意的运动对象检测模型，减少了行为识别的计算时间。在此基础上，根据视觉信息处理的双通路前馈理论，利用皮层间的侧连接方法建立从V1到MT层的仿生行为识别模型，构建完整系统，实验结果表明V1层的处理对于简单背景下的简单行为的识别是足够的，而在复杂背景下的复杂行为需要MT层进一步的处理后可提高识别率。.通过本项目的研究表明，模拟人的视觉系统的基本结构进行行为信息处理，可以实现较准确的视频对象行为识别。同时，该项目的实施给神经科学的研究提供了启示，即低级视觉皮层到高级皮层的连接是多结构的。那么这种结构如何连接还需进一步的研究，这也是今后的研究课题。

内容获取失败，请点击重试