基于跨域字典学习算法的人体行为识别 |
| |
引用本文: | 张冰冰,梁超,倪康,史东承.基于跨域字典学习算法的人体行为识别[J].吉林大学学报(理学版),2016,54(4):845-851. |
| |
作者姓名: | 张冰冰 梁超 倪康 史东承 |
| |
作者单位: | 长春工业大学 计算机科学与工程学院, 长春 130012 |
| |
摘 要: | 将一种跨域字典学习算法应用于人体行为识别中, 通过引入辅助域数据集, 与原始训练集(目标域)共同进行字典学习, 获得字典对, 进而得到动作类的稀疏编码, 有效扩充了训练集的类内多样性. 该算法为字典学习与训练分类相结合的学习框架, 可利用字典对学习过程中的重建误差进行分类. 实验在MATLAB仿真条件下进行, 将UCF YouTube数据集作为原始训练集, 将HMDB51数据集作为辅助域数据集, 选取两个数据集动作类别一致的7个动作, 根据提出的算法流程进行识别. 将该方法与其他两种人体行为识别算法进行对比. 结果表明, 该方法识别率显著提高, 证明了跨域字典学习算法在人体行为识别上的有效性.
|
关 键 词: | 人体行为识别 密集点轨迹 跨域字典学习 稀疏编码 |
收稿时间: | 2015-06-29 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《吉林大学学报(理学版)》浏览原始摘要信息 |
| 点击此处可从《吉林大学学报(理学版)》下载免费的PDF全文 |
|