采用NN／kNN、SVM及Boosti
g等方法对低维空间中的特征数据进行分类可以识别不同行为。2．2空时体方法1空时滤波法视频数据可以看成由每帧图像按时序构成的空时体，具有三维空时结构的滤波器可以用来描述视频数据的空时特性，进而提取行为特征。Chomat和Crowley／¨1从视频中分割出不同的空时体，用方向和空间上的不同尺度及时问上的单一尺度构成的Gabor滤波器组在每个像素点上计算局部表观模型，通过每帧中单个像素点概率空间的平均值对行为进行识别。为了适应不同的执行速率，Ma
or等f”】在时间上的不同尺度得到空时梯度表示的归一化局部直方图，并使用卡方距离度量它与存储模板之间的相似度。滤波器方法虽然实现简单，但在实际应用中，滤波器的合适带宽并非先验已知，需要不同空间和时间尺度上的滤波器组获取其动态行为，且每个滤波器产生的响应与输入体的维数相同，因此这种方法必须付出较高的计算代价。2基于部分的方法视频数据可以看成是局部的集合，其中每个子部分都包含着明显的运动模式。Laptev111将Harris角点检测器扩展到空时表示形式，在不同级别的尺度上计算空时梯度，由每个点及其邻域内的梯度信息产生空时二阶矩的估计，从而提取局部特征。Dollar等fl61在训练数据中的空时兴趣点上提取空时梯度，采用K均值聚类方法获取特征原型，对视频体进行建模。Niebles掣