基于流形學習的人體動作識別研究.pdf

1、人體動作識別已經(jīng)成為計算機視覺研究方向的一個前沿領域，其應用范圍主要包括視覺監(jiān)控、運動分析、人機交互、虛擬現(xiàn)實等。人體動作識別研究中，往往是對視頻或序列圖像進行運動分析，所要處理的動作特征維數(shù)一般較高，導致運算和存儲相應的時間復雜度和空間復雜度較高，難以從中提取出表現(xiàn)其真實內(nèi)在結構的內(nèi)蘊特征。流形學習是近來機器視覺與模式識別領域中一種熱門的非線性降維方法，其主要目的是通過尋找高維空間到低維流形的非線性映射，從而獲得隱藏在高維空間中的有效

2、數(shù)據(jù)信息。
　　本文主要研究如何將流形學習與人體動作識別進行更好的結合，包括動作識別中特征的提取與表示，以及高維特征向量的維數(shù)約簡等。
　　本文主要貢獻為：
　　1.對有監(jiān)督等距映射算法進行了改進，針對其無法給出顯式映射在分類識別應用中的局限性，本文假定局部鄰域內(nèi)線性表出關系映射至低維流形空間保持不變，通過最小化線性表出誤差求解新樣本在原高維數(shù)據(jù)集中的近鄰表出，同時根據(jù)局部流形的彎曲程度重構鄰域，提出一種動態(tài)鄰域增量式

3、有監(jiān)督等距映射算法，該算法最高識別率達到98.97％。
　　2.與有監(jiān)督等距映射算法利用類別信息構建差異度度量矩陣不同，此處從另一種思路出發(fā)，在近鄰圖構建時，引入自適應權重近鄰點距離因子，利用樣本類別信息，對近鄰點距離進行重構，計算目標點與局部鄰域內(nèi)每一類別樣本點的平均距離，改進目標點到該類別各點的距離度量。同時為提高增量學習速率，引入推廣的等距映射算法，該算法最高識別率達到95.41%，識別單個序列僅需0.0357s。