首页 | 本学科首页   官方微博 | 高级检索  
     

动作切分和流形度量学习的视频动作识别
引用本文:罗会兰,赖泽云,孔繁胜. 动作切分和流形度量学习的视频动作识别[J]. 中国图象图形学报, 2017, 22(8): 1106-1119
作者姓名:罗会兰  赖泽云  孔繁胜
作者单位:江西理工大学信息工程学院, 赣州 341000,江西理工大学信息工程学院, 赣州 341000,浙江大学计算机科学技术学院, 杭州 310027
基金项目:国家自然科学基金项目(61105042,61462035);江西省青年科学家(井冈之星)培养对象计划基金项目(20153BCB23010)
摘    要:目的 为了提高视频中动作识别的准确度,提出基于动作切分和流形度量学习的视频动作识别算法。方法 首先利用基于人物肢体伸展程度分析的动作切分方法对视频中的动作进行切分,将动作识别的对象具体化;然后从动作片段中提取归一化之后的全局时域特征和空域特征、光流特征、帧内的局部旋度特征和散度特征,构造一种7×7的协方差矩阵描述子对提取出的多种特征进行融合;最后结合流形度量学习方法有监督式地寻找更优的距离度量算法提高动作的识别分类效果。结果 对Weizmann公共视频集的切分实验统计结果表明本文提出的视频切分方法具有很好的切分能力,能够作好动作识别前的预处理;在Weizmann公共视频数据集上进行了流形度量学习前后的识别效果对比,结果表明利用流形度量学习方法对动作识别效果提升2.8%;在Weizmann和KTH两个公共视频数据集上的平均识别率分别为95.6%和92.3%,与现有方法的比较表明,本文提出的动作识别方法有更好的识别效果。结论 多次实验结果表明本文算法在预处理过程中动作切分效果理想,描述动作所构造协方差矩阵对动作的表达有良好的多特征融合能力,而且光流信息和旋度、散度信息的加入使得人体各部位的运动方向信息具有了更多细节的描述,有效提高了协方差矩阵的描述能力,结合流形度量学习方法对动作识别的准确性有明显提高。

关 键 词:动作识别  动作切分  流形学习  度量学习  特征协方差  视频分析
收稿时间:2017-02-14
修稿时间:2017-04-21

Action recognition in videos based on action segmentation and manifold metric learning
Luo Huilan,Lai Zeyun and Kong Fansheng. Action recognition in videos based on action segmentation and manifold metric learning[J]. Journal of Image and Graphics, 2017, 22(8): 1106-1119
Authors:Luo Huilan  Lai Zeyun  Kong Fansheng
Affiliation:School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou 341000, China,School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou 341000, China and College of Computer Science and Technology, Zhejiang University, Hangzhou 310027, China
Abstract:
Keywords:action recognition  action segmentation  manifold learning  metric learning  feature covariance  video ana lysis
点击此处可从《中国图象图形学报》浏览原始摘要信息
点击此处可从《中国图象图形学报》下载免费的PDF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