首页 | 本学科首页   官方微博 | 高级检索  
     

基于多学习器协同训练模型的人体行为识别方法
引用本文:唐超,王文剑,李伟,李国斌,曹峰.基于多学习器协同训练模型的人体行为识别方法[J].软件学报,2015,26(11):2939-2950.
作者姓名:唐超  王文剑  李伟  李国斌  曹峰
作者单位:合肥学院 计算机科学与技术系, 安徽 合肥 230601,山西大学 计算机与信息技术学院, 山西 太原 030006,厦门理工学院 计算机与信息工程学院, 福建 厦门 361005,合肥学院 计算机科学与技术系, 安徽 合肥 230601,山西大学 计算机与信息技术学院, 山西 太原 030006
基金项目:国家自然科学基金(61273291, 71031006, 41401521); 山西省回国留学人员科研资助项目(2012-008); 安徽高校自然科学研究项目(KJ2015A206); 合肥学院重点建设学科项目(2014xk08); 合肥学院学科带头人培养对象项目(2014dtr08); 合肥学院人才科研基金项目(15RC07); 厦门理工学院高层次人才项目(YKJ14014R)
摘    要:人体行为识别是计算机视觉研究的热点问题,现有的行为识别方法都是基于监督学习框架.为了取得较好的识别效果,通常需要大量的有标记样本来建模.然而,获取有标记样本是一个费时又费力的工作.为了解决这个问题,对半监督学习中的协同训练算法进行改进,提出了一种基于多学习器协同训练模型的人体行为识别方法.这是一种基于半监督学习框架的识别算法.该方法首先通过基于Q统计量的学习器差异性度量选择算法来挑取出协同训练中基学习器集,在协同训练过程中,这些基学习器集对未标记样本进行标记;然后,采用了基于分类器成员委员会的标记近邻置信度计算公式来评估未标记样本的置信度,选取一定比例置信度较高的未标记样本加入到已标记的训练样本集并更新学习器来提升模型的泛化能力.为了评估算法的有效性,采用混合特征来表征人体行为,从而可以快速完成识别过程.实验结果表明,所提出的基于半监督学习的行为识别系统可以有效地辨识视频中的人体动作.

关 键 词:人体行为识别  半监督学习  协同训练  学习器选择  混合特征
收稿时间:2015/5/29 0:00:00
修稿时间:2015/8/26 0:00:00

Multi-Learner Co-Training Model for Human Action Recognition
TANG Chao,WANG Wen-Jian,LI Wei,LI Guo-Bin and CAO Feng.Multi-Learner Co-Training Model for Human Action Recognition[J].Journal of Software,2015,26(11):2939-2950.
Authors:TANG Chao  WANG Wen-Jian  LI Wei  LI Guo-Bin and CAO Feng
Affiliation:Department of Computer Science and Technology, Hefei University, Hefei 230601, China,School of Computer and Information Technology, Shanxi University, Taiyuan 030006, China,School of Computer and Information Engineering, Xiamen University of Technology, Xiamen 361005, China,Department of Computer Science and Technology, Hefei University, Hefei 230601, China and School of Computer and Information Technology, Shanxi University, Taiyuan 030006, China
Abstract:
Keywords:human action recognition  semi-supervised learning  co-training  learner selection  mixed feature
点击此处可从《软件学报》浏览原始摘要信息
点击此处可从《软件学报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号