| 基于改进BoW模型的行为识别 |
| |
| 引用本文： | 宋运忠,杨丽英.基于改进BoW模型的行为识别[J].测控技术,2016,35(12):1-6. |
| |
| 作者姓名： | 宋运忠 杨丽英 |
| |
| 作者单位： | 河南理工大学电气工程与自动化学院,河南焦作,454000 |
| |
| 基金项目： | 国家自然科学基金项目（61340041，61374079）；教育部归国留学人员科研启动基金（教外司留［2013］1792号） |
| |
| 摘 要： | 尽管传统的词袋(BoW,bag of words)模型在复杂场景行为识别中能够保持鲁棒性,但是硬向量量化会导致大量的近似误差,进而产生很差的特征集.行为识别中一个重要的挑战是视觉词汇的构造,从原始特征到分类标签没有直接的映射,因此高层的视觉描述子需要更加精确的词典,故提出基于结构稀疏表示的人体行为识别方法.在所提出方法的BoW模型中,视频表示为组稀疏编码系数的直方图.与传统的BoW模型相比,所提方法具有更少的量化误差,而且高层特征表示可以减少模型参数和存储复杂性,并在标准化的人体行为数据集上评价所提方法,数据集包括KTH,Weimann,UCF-Sports,UCF50人体行为数据集,实验结果表明,所提方法与现存的其他方法相比各方面性能都有显著的提高.
|
| 关 键 词： | 人体行为识别 无监督特征学习 结构稀疏性 组稀疏编码 线性SVM |
Behavior Recognition Based on Advanced BoW Model |
| |
| SONG Yun-zhong,YANG Li-ying.Behavior Recognition Based on Advanced BoW Model[J].Measurement & Control Technology,2016,35(12):1-6. |
| |
| Authors: | SONG Yun-zhong YANG Li-ying |
| |
| Abstract: | |
| |
| Keywords: | human action recognition unsupervised features learning structured sparsity group sparse coding linear SVM |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《测控技术》浏览原始摘要信息 |
|
点击此处可从《测控技术》下载全文 |
|
