文档名：基于多视图半监督学习的人体行为识别
基于视觉的人体行为识别是一个给图像序列标记动作类别的处理过程.人体行为识别在视觉监控、视频检索和人机交互等领域中有非常重要的应用.目前,表征人体动作方法大多数是基于单个视图,例如,将人体动作表示为人体动作的组合,或是将人类动作表示为潜在的语义分布.由于人的行为在本质上是复杂的,单一视图表征缺乏全面分析人类行为的能力.本文提出了一种基于多视图半监督学习的人体行为识别方法.首先,提出了一种基于三种不同模态视图数据来表征人体动作,即基于RGB模态数据的傅立叶描述子特征视图、基于深度模态数据的时空兴趣点特征视图和基于关节模态数据的关节点投影分布特征视图.其次,使用多视图半监督学习框架来建模,它充分利用不同视图提供的互补信息,来确保基于少量标记和大量未标记数据半监督学习取得更好的分类精度.实验结果表明,基于多视图的人体行为表征比基于单个视图的行为表征更有效,本文方法可以取得有效的人体行为识别性能.
作者：唐超 王文剑 王晓峰 张琛 邹乐
作者单位：合肥学院计算机科学与技术系,合肥230601山西大学计算机与信息技术学院,太原030006
母体文献：第六届中国计算机学会大数据学术会议论文集
会议名称：第六届中国计算机学会大数据学术会议
会议时间：2018年10月11日
会议地点：西安
主办单位：中国计算机学会
语种：chi
分类号：
关键词：人体行为识别 多视图半监督学习 特征提取 分类精度
在线出版日期：2020年11月30日
基金项目：
相似文献
相关博文
- 文件大小:
- 2.07 MB
- 下载次数:
- 60
-
高速下载
|
|
