信息技术
信息技術
신식기술
INFORMATION TECHNOLOGY
2015年
4期
98-101
,共4页
马秀梅%唐春晖%尹征%张仁杰
馬秀梅%唐春暉%尹徵%張仁傑
마수매%당춘휘%윤정%장인걸
行为分类%局部约束线性编码%特征提取%支持向量机
行為分類%跼部約束線性編碼%特徵提取%支持嚮量機
행위분류%국부약속선성편마%특정제취%지지향량궤
action classification%locality-constrained coding%feature extraction%SVM
静态图像中人体行为分类的一般方法是先手动标定出行为对象,再单独对行为对象进行特征提取和分析,不仅费时费力还丢失了场景信息.针对此问题提出了结合场景特征与行为对象特征的图像表示方法,充分利用图像的所有信息.此外为了减小量化误差,在特征编码阶段,采用局部约束线性编码(Locality-constrained Linear Coding,LLC)算法,并将其应用在空间金字塔模型的向量量化中.该算法与传统的矢量量化算法和稀疏编码算法相比,能够降低量化误差.最后在Stanford 40 Action数据集上对文中方法进行实验和验证,结果表明,结合场景特征与行为对象特征并使用LLC编码算法能够获得更好的分类效果.
靜態圖像中人體行為分類的一般方法是先手動標定齣行為對象,再單獨對行為對象進行特徵提取和分析,不僅費時費力還丟失瞭場景信息.針對此問題提齣瞭結閤場景特徵與行為對象特徵的圖像錶示方法,充分利用圖像的所有信息.此外為瞭減小量化誤差,在特徵編碼階段,採用跼部約束線性編碼(Locality-constrained Linear Coding,LLC)算法,併將其應用在空間金字塔模型的嚮量量化中.該算法與傳統的矢量量化算法和稀疏編碼算法相比,能夠降低量化誤差.最後在Stanford 40 Action數據集上對文中方法進行實驗和驗證,結果錶明,結閤場景特徵與行為對象特徵併使用LLC編碼算法能夠穫得更好的分類效果.
정태도상중인체행위분류적일반방법시선수동표정출행위대상,재단독대행위대상진행특정제취화분석,불부비시비력환주실료장경신식.침대차문제제출료결합장경특정여행위대상특정적도상표시방법,충분이용도상적소유신식.차외위료감소양화오차,재특정편마계단,채용국부약속선성편마(Locality-constrained Linear Coding,LLC)산법,병장기응용재공간금자탑모형적향량양화중.해산법여전통적시량양화산법화희소편마산법상비,능구강저양화오차.최후재Stanford 40 Action수거집상대문중방법진행실험화험증,결과표명,결합장경특정여행위대상특정병사용LLC편마산법능구획득경호적분류효과.
