南京邮电大学学报（自然科学版）
南京郵電大學學報（自然科學版）
남경유전대학학보（자연과학판）
JOURNAL OF NANJING UNIVERSITY OF POSTS AND TELECOMMUNICATIONS(NATURAL SCIENCE)
2014年
1期
103-110
,共8页
视角无关动作识别%迁移学习%双语动态系统包
視角無關動作識彆%遷移學習%雙語動態繫統包
시각무관동작식별%천이학습%쌍어동태계통포
view-invariant action recognition%transfer leaning%bilingual bag of dynamic systems
视角无关的人体行为识别是计算机视觉领域研究的热点和难点之一.现有的视角无关的行为识别算法的识别率随着角度的改变差异很大,尤其与俯角相关的识别效果还不够理想.提出了一种基于双语动态系统包的视角无关的人体行为识别方法.首先结合兴趣点检测器和密集采样算法提取视频帧中的时空立方体并对每个时空立方体建立线性动态系统(LDS);其次对LDSs进行非线性降维聚类形成码本,并根据LDSs在码本中的分布及权重用一个动态系统包(bag of dynamical systems)来表示每个动作样本;最后同时对两个视角下的BoDS采用K-奇异值分解(K-SVD)算法得到一对可迁移字典对,然后根据这对字典对采用正交匹配追踪(OMP)算法得到两个视角下每个动作的稀疏表示.在IXMAS多视角数据库的实验结果表明了文中算法的稳定性和有效性.
視角無關的人體行為識彆是計算機視覺領域研究的熱點和難點之一.現有的視角無關的行為識彆算法的識彆率隨著角度的改變差異很大,尤其與俯角相關的識彆效果還不夠理想.提齣瞭一種基于雙語動態繫統包的視角無關的人體行為識彆方法.首先結閤興趣點檢測器和密集採樣算法提取視頻幀中的時空立方體併對每箇時空立方體建立線性動態繫統(LDS);其次對LDSs進行非線性降維聚類形成碼本,併根據LDSs在碼本中的分佈及權重用一箇動態繫統包(bag of dynamical systems)來錶示每箇動作樣本;最後同時對兩箇視角下的BoDS採用K-奇異值分解(K-SVD)算法得到一對可遷移字典對,然後根據這對字典對採用正交匹配追蹤(OMP)算法得到兩箇視角下每箇動作的稀疏錶示.在IXMAS多視角數據庫的實驗結果錶明瞭文中算法的穩定性和有效性.
시각무관적인체행위식별시계산궤시각영역연구적열점화난점지일.현유적시각무관적행위식별산법적식별솔수착각도적개변차이흔대,우기여부각상관적식별효과환불구이상.제출료일충기우쌍어동태계통포적시각무관적인체행위식별방법.수선결합흥취점검측기화밀집채양산법제취시빈정중적시공립방체병대매개시공립방체건립선성동태계통(LDS);기차대LDSs진행비선성강유취류형성마본,병근거LDSs재마본중적분포급권중용일개동태계통포(bag of dynamical systems)래표시매개동작양본;최후동시대량개시각하적BoDS채용K-기이치분해(K-SVD)산법득도일대가천이자전대,연후근거저대자전대채용정교필배추종(OMP)산법득도량개시각하매개동작적희소표시.재IXMAS다시각수거고적실험결과표명료문중산법적은정성화유효성.
