计算机辅助设计与图形学学报
計算機輔助設計與圖形學學報
계산궤보조설계여도형학학보
JOURNAL OF COMPUTER-AIDED DESIGN & COMPUTER GRAPHICS
2011年
10期
1749-1757
,共9页
人体行为识别%编辑距离%Markov随机游走%半监督学习
人體行為識彆%編輯距離%Markov隨機遊走%半鑑督學習
인체행위식별%편집거리%Markov수궤유주%반감독학습
针对目前人体行为识别方法大都需要大量有标注样本的问题,提出一种基于Markov随机游走的半监督人体行为识别算法.首先提取序列图像各帧人体区域的网格统计特征,再采用基于对手惩罚策略的竞争神经网络对其进行聚类和编码,将图像序列表示的人体行为变换为符号序列；然后根据行为之间的归一化编辑距离建立已标注行为、未标注行为和类别之间的Markov链,并采用Markov随机游走过程来预测未标注行为的类别；最后采用最大后验概率准则对观测到的未知行为进行分类.对Weizmann数据集中人体行为的识别实验结果表明,该方法是一种有效的人体行为识别方法,在标注样本很少的情况下平均识别精度可以超过80％.
針對目前人體行為識彆方法大都需要大量有標註樣本的問題,提齣一種基于Markov隨機遊走的半鑑督人體行為識彆算法.首先提取序列圖像各幀人體區域的網格統計特徵,再採用基于對手懲罰策略的競爭神經網絡對其進行聚類和編碼,將圖像序列錶示的人體行為變換為符號序列；然後根據行為之間的歸一化編輯距離建立已標註行為、未標註行為和類彆之間的Markov鏈,併採用Markov隨機遊走過程來預測未標註行為的類彆；最後採用最大後驗概率準則對觀測到的未知行為進行分類.對Weizmann數據集中人體行為的識彆實驗結果錶明,該方法是一種有效的人體行為識彆方法,在標註樣本很少的情況下平均識彆精度可以超過80％.
침대목전인체행위식별방법대도수요대량유표주양본적문제,제출일충기우Markov수궤유주적반감독인체행위식별산법.수선제취서렬도상각정인체구역적망격통계특정,재채용기우대수징벌책략적경쟁신경망락대기진행취류화편마,장도상서렬표시적인체행위변환위부호서렬；연후근거행위지간적귀일화편집거리건립이표주행위、미표주행위화유별지간적Markov련,병채용Markov수궤유주과정래예측미표주행위적유별；최후채용최대후험개솔준칙대관측도적미지행위진행분류.대Weizmann수거집중인체행위적식별실험결과표명,해방법시일충유효적인체행위식별방법,재표주양본흔소적정황하평균식별정도가이초과80％.
