·386· 智能系统学报 第10卷 4 结束语 segmentation using slow feature analysis C//2011 IEEE Intelligent Vehicles Symposium (IV).Baden-Baden,Ger- 本文提出了视频中人体行为的慢特征提取方法， many,2011:800-806. 首先收集训练立方体，然后分别用SFA算法和D [12]DENG Xiaogang,TIAN Xuemin,HU Xiangyang.Nonlinear SFA算法进行慢特征函数的机器学习，经慢特征函数 process fault diagnosis based on slow feature analysis[C]// 变换后得到慢特征，并进一步构建ASD特征。实验 2012 10th World Congress on Intelligent Control and Auto- 结果表明D-SFA算法能更有效地提取出人体行为的 mation.Beijing,China,2012:3152-3156. 慢特征。由于特征点跟踪的过程中，少量特征点在后 [13]ZHANG Zhang,TAO Dacheng.Slow feature analysis for 续帧中会出现漂移现象，对后面的处理会产生一定的 human action recognition[J].IEEE Transactions on Pat- 影响，今后将进一步研究以取得更好的效果。 tern Analysis and Machine Intelligence,2012,34(3): 436-450. 参考文献： [14]王丽辉，袁保宗.三维散乱点云模型的特征点检测[J]. 信号处理，2011,27(6)：932-938. [1]VENKATASUBRAMANIAN V,RENGASWAMY R,KA- WANG Lihui,YUAN Baozong.Feature point detection for VURI S N,et al.A review of process fault detection and di- agnosis:Part III:process history based methods[J].Com- 3D scattered point cloud model [J].Signal Processing. 2011,27(6):932-938. puters Chemical Engineering,2003,27(3):327-346. [15]马龙，王鲁平，陈小天，等.噪声环境下光流场估计方法 [2]CHERRY G A,QIN S J.Multiblock principal component [J].信号处理，2012,28(1)：87-91. analysis based on a combined index for semiconductor fault MA Long,WANG Luping,CHEN Xiaotian,et al.Determi- detection and diagnosis[J].IEEE Transactions on Semi- conductor Manufacturing,2006,19(2):159-172. ning optical flow field in the presence of noise[J].Signal Processing,2012,28(1):87-91. [3]DUNIA R,QIN S J.Joint diagnosis of process and sensor [16]江志军，易华蓉.一种基于图像金字塔光流的特征跟踪 faults using principal component analysis[J].Control Engi- 方法[J].武汉大学学报：信息科学版，2007,32(8)： neering Practice,1998,6(4):457-469. 680-683. [4]SCHOLKPOF B,SMOLA A,MOLLER K R.Nonlinear com- JIANG Zhijun,YI Huarong.An image pyramid-based fea- ponent analysis as a kernel eigenvalue problem[J].Neural ture detection and tracking algorithmJ.Geomatics and In- Computation,1998,10(5):1299-1319. formation Science of Wuhan University,2007,32(8):680- [5]WISKOTT L,SEINOWSKI T L.Slow feature analysis:unsu- 683. pervised learning of invariances [J].Neural Computation, 作者简介： 2002,14(4):715-770. 陈婷婷，女，1987年生，硕士研究生， 6]BERKES P,WISKOTT L.Slow feature analysis vields a rich 主要研究方向为人体行为分析。 repertoire of complex cell properties[J].Journal of Vision, 2005,5(6):579-602 [7]XIA Qi,GAO Jianbin,XU Chunxiang.A new watermarking algorithm based on slowly feature analysis[C]//International Conference on Apperceiving Computing and Intelligence Anal- ysis.Chengdu,China,2008:70-72. 阮秋琦，男，1944年生，教授，博士 [8]GAO Jianbin,LI Jianping,XIA Qi.Slowly feature analysis of 生导师，主要研究方向为数字图像处 Gabor feature for face recognition [C]//2008 International 理、计算机视觉。曾多次获得省部级 Conference on Apperceiving Computing and Intelligence Anal- ysis.Chengdu,China,2008:177-180. 科技进步奖，发表学术论文350余篇， 出版专著4部。 [9]HUANG Yaping,ZHAO Jiali,TIAN Mei,et al.Slow feature discriminant analysis and its application on handwritten digit recognition [C]//International Joint Conference on Neural 安高云，男，1980年生，副教授，主要 Networks.Atlanta,USA.2009:1294-1297. 研究方向为图像处理、人脸识别、统计模 [10]MA Kuijun,TAO Qing,WANG Jue.Nonlinear blind source 式识别。 separation using slow feature analysis with random features [C]//2010 20th International Conference on Pattern Recog- nition.Istanbul,Turkey,2010:830-833. [11 KOHNL T,KUMMERT F,FRITSCH J.Monocular road４ 结束语 本文提出了视频中人体行为的慢特征提取方法， 首先收集训练立方体，然后分别用 ＳＦＡ 算法和 Ｄ⁃ ＳＦＡ 算法进行慢特征函数的机器学习，经慢特征函数 变换后得到慢特征，并进一步构建 ＡＳＤ 特征。 实验 结果表明 Ｄ⁃ＳＦＡ 算法能更有效地提取出人体行为的 慢特征。 由于特征点跟踪的过程中，少量特征点在后 续帧中会出现漂移现象，对后面的处理会产生一定的 影响，今后将进一步研究以取得更好的效果。 参考文献： ［１ ］ ＶＥＮＫＡＴＡＳＵＢＲＡＭＡＮＩＡＮ Ｖ， ＲＥＮＧＡＳＷＡＭＹ Ｒ， ＫＡ⁃ ＶＵＲＩ Ｓ Ｎ， ｅｔ ａｌ． Ａ ｒｅｖｉｅｗ ｏｆ ｐｒｏｃｅｓｓ ｆａｕｌｔ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｄｉ⁃ ａｇｎｏｓｉｓ： Ｐａｒｔ ＩＩＩ： ｐｒｏｃｅｓｓ ｈｉｓｔｏｒｙ ｂａｓｅｄ ｍｅｔｈｏｄｓ［ Ｊ］． Ｃｏｍ⁃ ｐｕｔｅｒｓ ＆ Ｃｈｅｍｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， ２００３， ２７（３）： ３２７⁃３４６． ［２］ＣＨＥＲＲＹ Ｇ Ａ， ＱＩＮ Ｓ Ｊ． Ｍｕｌｔｉｂｌｏｃｋ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ ｂａｓｅｄ ｏｎ ａ ｃｏｍｂｉｎｅｄ ｉｎｄｅｘ ｆｏｒ ｓｅｍｉｃｏｎｄｕｃｔｏｒ ｆａｕｌｔ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｄｉａｇｎｏｓｉｓ ［ Ｊ］ ． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｅｍｉ⁃ ｃｏｎｄｕｃｔｏｒ Ｍａｎｕｆａｃｔｕｒｉｎｇ， ２００６， １９（ ２） ： １５９⁃１７２． ［３］ ＤＵＮＩＡ Ｒ， ＱＩＮ Ｓ Ｊ． Ｊｏｉｎｔ ｄｉａｇｎｏｓｉｓ ｏｆ ｐｒｏｃｅｓｓ ａｎｄ ｓｅｎｓｏｒ ｆａｕｌｔｓ ｕｓｉｎｇ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ［ Ｊ］． Ｃｏｎｔｒｏｌ Ｅｎｇｉ⁃ ｎｅｅｒｉｎｇ Ｐｒａｃｔｉｃｅ， １９９８， ６（４）： ４５７⁃４６９． ［４］ＳＣＨÖＬＫＰＯＦ Ｂ， ＳＭＯＬＡ Ａ， ＭÜＬＬＥＲ Ｋ Ｒ． Ｎｏｎｌｉｎｅａｒ ｃｏｍ⁃ ｐｏｎｅｎｔ ａｎａｌｙｓｉｓ ａｓ ａ ｋｅｒｎｅｌ ｅｉｇｅｎｖａｌｕｅ ｐｒｏｂｌｅｍ［ Ｊ］． Ｎｅｕｒａｌ Ｃｏｍｐｕｔａｔｉｏｎ， １９９８， １０（５）： １２９９⁃１３１９． ［５］ＷＩＳＫＯＴＴ Ｌ， ＳＥＩＮＯＷＳＫＩ Ｔ Ｌ． Ｓｌｏｗ ｆｅａｔｕｒｅ ａｎａｌｙｓｉｓ： ｕｎｓｕ⁃ ｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ ｏｆ ｉｎｖａｒｉａｎｃｅｓ ［ Ｊ］． Ｎｅｕｒａｌ Ｃｏｍｐｕｔａｔｉｏｎ， ２００２， １４（４）： ７１５⁃７７０． ［６］ＢＥＲＫＥＳ Ｐ， ＷＩＳＫＯＴＴ Ｌ． Ｓｌｏｗ ｆｅａｔｕｒｅ ａｎａｌｙｓｉｓ ｙｉｅｌｄｓ ａ ｒｉｃｈ ｒｅｐｅｒｔｏｉｒｅ ｏｆ ｃｏｍｐｌｅｘ ｃｅｌｌ ｐｒｏｐｅｒｔｉｅｓ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｖｉｓｉｏｎ， ２００５， ５（６）： ５７９⁃６０２． ［７］ＸＩＡ Ｑｉ， ＧＡＯ Ｊｉａｎｂｉｎ， ＸＵ Ｃｈｕｎｘｉａｎｇ． Ａ ｎｅｗ ｗａｔｅｒｍａｒｋｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｓｌｏｗｌｙ ｆｅａｔｕｒｅ ａｎａｌｙｓｉｓ［Ｃ］ ／ ／ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｐｐｅｒｃｅｉｖｉｎｇ Ｃｏｍｐｕｔｉｎｇ ａｎｄ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ａｎａｌ⁃ ｙｓｉｓ． Ｃｈｅｎｇｄｕ， Ｃｈｉｎａ， ２００８： ７０⁃７２． ［８］ＧＡＯ Ｊｉａｎｂｉｎ， ＬＩ Ｊｉａｎｐｉｎｇ， ＸＩＡ Ｑｉ． Ｓｌｏｗｌｙ ｆｅａｔｕｒｅ ａｎａｌｙｓｉｓ ｏｆ Ｇａｂｏｒ ｆｅａｔｕｒｅ ｆｏｒ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ［ Ｃ］ ／ ／ ２００８ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｐｐｅｒｃｅｉｖｉｎｇ Ｃｏｍｐｕｔｉｎｇ ａｎｄ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ａｎａｌ⁃ ｙｓｉｓ． Ｃｈｅｎｇｄｕ， Ｃｈｉｎａ， ２００８： １７７⁃１８０． ［９］ＨＵＡＮＧ Ｙａｐｉｎｇ， ＺＨＡＯ Ｊｉａｌｉ， ＴＩＡＮ Ｍｅｉ， ｅｔ ａｌ． Ｓｌｏｗ ｆｅａｔｕｒｅ ｄｉｓｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｏｎ ｈａｎｄｗｒｉｔｔｅｎ ｄｉｇｉｔ ｒｅｃｏｇｎｉｔｉｏｎ ［ Ｃ］ ／ ／ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｉｎｔ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ． Ａｔｌａｎｔａ， ＵＳＡ， ２００９： １２９４⁃１２９７． ［１０］ＭＡ Ｋｕｉｊｕｎ， ＴＡＯ Ｑｉｎｇ， ＷＡＮＧ Ｊｕｅ． Ｎｏｎｌｉｎｅａｒ ｂｌｉｎｄ ｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ ｕｓｉｎｇ ｓｌｏｗ ｆｅａｔｕｒｅ ａｎａｌｙｓｉｓ ｗｉｔｈ ｒａｎｄｏｍ ｆｅａｔｕｒｅｓ ［Ｃ］ ／ ／ ２０１０ ２０ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｐａｔｔｅｒｎ Ｒｅｃｏｇ⁃ ｎｉｔｉｏｎ． Ｉｓｔａｎｂｕｌ， Ｔｕｒｋｅｙ， ２０１０： ８３０⁃８３３． ［１１］ ＫÜＨＮＬ Ｔ， ＫＵＭＭＥＲＴ Ｆ， ＦＲＩＴＳＣＨ Ｊ． Ｍｏｎｏｃｕｌａｒ ｒｏａｄ ｓｅｇｍｅｎｔａｔｉｏｎ ｕｓｉｎｇ ｓｌｏｗ ｆｅａｔｕｒｅ ａｎａｌｙｓｉｓ ［ Ｃ］ ／ ／ ２０１１ ＩＥＥＥ Ｉｎｔｅｌｌｉｇｅｎｔ Ｖｅｈｉｃｌｅｓ Ｓｙｍｐｏｓｉｕｍ （ ＩＶ）． Ｂａｄｅｎ⁃Ｂａｄｅｎ， Ｇｅｒ⁃ ｍａｎｙ， ２０１１： ８００⁃８０６． ［１２］ＤＥＮＧ Ｘｉａｏｇａｎｇ， ＴＩＡＮ Ｘｕｅｍｉｎ， ＨＵ Ｘｉａｎｇｙａｎｇ． Ｎｏｎｌｉｎｅａｒ ｐｒｏｃｅｓｓ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｂａｓｅｄ ｏｎ ｓｌｏｗ ｆｅａｔｕｒｅ ａｎａｌｙｓｉｓ［Ｃ］ ／ ／ ２０１２ １０ｔｈ Ｗｏｒｌｄ Ｃｏｎｇｒｅｓｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌ ａｎｄ Ａｕｔｏ⁃ ｍａｔｉｏｎ． Ｂｅｉｊｉｎｇ， Ｃｈｉｎａ， ２０１２： ３１５２⁃３１５６． ［１３］ＺＨＡＮＧ Ｚｈａｎｇ， ＴＡＯ Ｄａｃｈｅｎｇ． Ｓｌｏｗ ｆｅａｔｕｒｅ ａｎａｌｙｓｉｓ ｆｏｒ ｈｕｍａｎ ａｃｔｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎ［ Ｊ］ ． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔ⁃ ｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ， ２０１２， ３４ （ ３） ： ４３６⁃４５０． ［１４］王丽辉， 袁保宗． 三维散乱点云模型的特征点检测［ Ｊ］． 信号处理， ２０１１， ２７（６）： ９３２⁃９３８． ＷＡＮＧ Ｌｉｈｕｉ， ＹＵＡＮ Ｂａｏｚｏｎｇ． Ｆｅａｔｕｒｅ ｐｏｉｎｔ ｄｅｔｅｃｔｉｏｎ ｆｏｒ ３Ｄ ｓｃａｔｔｅｒｅｄ ｐｏｉｎｔ ｃｌｏｕｄ ｍｏｄｅｌ ［ Ｊ ］． Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ， ２０１１， ２７（６）： ９３２⁃９３８． ［１５］马龙， 王鲁平， 陈小天， 等． 噪声环境下光流场估计方法 ［Ｊ］． 信号处理， ２０１２， ２８（１）： ８７⁃９１． ＭＡ Ｌｏｎｇ， ＷＡＮＧ Ｌｕｐｉｎｇ， ＣＨＥＮ Ｘｉａｏｔｉａｎ， ｅｔ ａｌ． Ｄｅｔｅｒｍｉ⁃ ｎｉｎｇ ｏｐｔｉｃａｌ ｆｌｏｗ ｆｉｅｌｄ ｉｎ ｔｈｅ ｐｒｅｓｅｎｃｅ ｏｆ ｎｏｉｓｅ ［ Ｊ］． Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ， ２０１２， ２８（１）： ８７⁃９１． ［１６］江志军， 易华蓉． 一种基于图像金字塔光流的特征跟踪 方法［ Ｊ］． 武汉大学学报：信息科学版， ２００７， ３２ （ ８）： ６８０⁃６８３． ＪＩＡＮＧ Ｚｈｉｊｕｎ， ＹＩ Ｈｕａｒｏｎｇ． Ａｎ ｉｍａｇｅ ｐｙｒａｍｉｄ⁃ｂａｓｅｄ ｆｅａ⁃ ｔｕｒｅ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍ［Ｊ］． Ｇｅｏｍａｔｉｃｓ ａｎｄ Ｉｎ⁃ ｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ｏｆ Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ， ２００７， ３２（８）： ６８０⁃ ６８３． 作者简介： 陈婷婷，女，１９８７ 年生，硕士研究生， 主要研究方向为人体行为分析。 阮秋琦，男，１９４４ 年生，教授，博士 生导师，主要研究方向为数字图像处 理、计算机 视 觉。 曾 多 次 获 得 省 部 级 科技进步奖，发表学术论文 ３５０ 余篇， 出版专著 ４ 部。 安高云，男，１９８０ 年生，副教授，主要 研究方向为图像处理、人脸识别、统计模 式识别。 ·３８６· 智 能 系 统 学 报 第 １０ 卷